ઉકેલી: python numpy કાઢી નાખો કૉલમ

આ લેખમાં, અમે પાયથોન પ્રોગ્રામિંગ લેંગ્વેજ વિશે ચર્ચા કરીશું, ખાસ કરીને લાઇબ્રેરી NumPy પર ધ્યાન કેન્દ્રિત કરીને અને આ લાઇબ્રેરીનો ઉપયોગ કરીને કૉલમ કેવી રીતે કાઢી નાખવી. પાયથોન એ બહુમુખી પ્રોગ્રામિંગ ભાષા છે જેનો વ્યાપકપણે વિવિધ હેતુઓ માટે ઉપયોગ થાય છે, જેમાં વેબ ડેવલપમેન્ટ, ડેટા વિશ્લેષણ, આર્ટિફિશિયલ ઇન્ટેલિજન્સ અને વધુનો સમાવેશ થાય છે. પાયથોનની લોકપ્રિયતાના મુખ્ય ઘટકોમાંનું એક તેની અસંખ્ય લાઇબ્રેરીઓ છે, જે કોડિંગ પ્રક્રિયાને વધુ કાર્યક્ષમ અને હેન્ડલ કરવામાં સરળ બનાવે છે. NumPy એ આવી જ એક લાઇબ્રેરી છે, જે ખાસ કરીને મોટા, બહુ-પરિમાણીય એરે અને સંખ્યાત્મક ડેટાના મેટ્રિસિસ સાથે કામ કરવા માટે રચાયેલ છે. ડેટા મેનીપ્યુલેશનના ક્ષેત્રમાં, એરેમાંથી કૉલમ કેવી રીતે કાઢી નાખવા તે જાણવું જરૂરી છે, કારણ કે ઘણા વર્કફ્લોમાં આ એક સામાન્ય પ્રીપ્રોસેસિંગ પગલું છે.

NumPy લાઇબ્રેરી આ કાર્યને હાંસલ કરવા માટે 'delete' નામનું વપરાશકર્તા-મૈત્રીપૂર્ણ કાર્ય પ્રદાન કરે છે. numpy.delete() ફંક્શન એરેમાંના તત્વોને સ્પષ્ટ કરેલ ધરી સાથે દૂર કરવા સક્ષમ છે. આ અમારા માટે 2D એરે અથવા મેટ્રિક્સમાંથી કૉલમ કાઢી નાખવાનું સરળ બનાવે છે.

શરૂ કરવા માટે, ચાલો NumPy લાઇબ્રેરી આયાત કરીએ અને નમૂના 2D એરે બનાવીએ:

import numpy as np

array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print("Original array:")
print(array)

હવે, અમે અમારા 2D એરેમાંથી ચોક્કસ કૉલમ કાઢી નાખવા માટે `np.delete()` ફંક્શનનો ઉપયોગ કરીશું:

# Deleting the second column (index 1)
array_modified = np.delete(array, 1, axis=1)
print("nArray with the second column deleted:")
print(array_modified)

np.delete() ફંક્શન સમજાવવું

np.delete() ફંક્શન ત્રણ મુખ્ય દલીલો લે છે: ઇનપુટ એરે, કાઢી નાખવાના ઘટક અથવા કૉલમની અનુક્રમણિકા, અને અક્ષ જેની સાથે કાઢી નાખવામાં આવે છે. અક્ષ પરિમાણ આ કિસ્સામાં નિર્ણાયક છે કારણ કે આપણે કૉલમને કાઢી નાખવા માંગીએ છીએ, માત્ર એક ઘટક જ નહીં. axis=1 સેટ કરીને, અમે ફંક્શનને કૉલમ અક્ષ સાથે કાઢી નાખવા માટે કહીએ છીએ. જો આપણે axis=0 સેટ કરીએ, તો ફંક્શન પંક્તિ અક્ષ સાથે કાઢી નાખશે.

નોંધ કરો કે np.delete() ફંક્શન મૂળ એરેમાં ફેરફાર કરતું નથી. તેના બદલે, તે નવી સંશોધિત એરે પરત કરે છે, જે જ્યારે તમે તમારા વર્કફ્લોમાં મૂળ ડેટાને જાળવી રાખવા માંગતા હોવ ત્યારે આવશ્યક છે.

NumPy લાઇબ્રેરી નેવિગેટ કરી રહ્યા છીએ

NumPy લાઇબ્રેરીમાં સંખ્યાત્મક ડેટાના મોટા, બહુ-પરિમાણીય એરે અને મેટ્રિસિસને હેન્ડલ કરવા માટે વિવિધ તકનીકો અને કાર્યો છે. કેટલાક લોકપ્રિય કાર્યોમાં `રીશેપ`, `કંકેટનેટ`, `સ્પ્લિટ` અને ઘણું બધું સામેલ છે. NumPy એ તેના કાર્યક્ષમ અને ઉપયોગમાં સરળ ડેટા સ્ટ્રક્ચર્સને કારણે Python સાથે ગાણિતિક અને વૈજ્ઞાનિક કમ્પ્યુટિંગ માટેનું મૂળભૂત પેકેજ છે.

એરે અને ડેટા મેનીપ્યુલેશનને હેન્ડલ કરવાની NumPy ની રીતને સમજવી એ દરેક ડેટા વૈજ્ઞાનિક અથવા મશીન લર્નિંગ ઉત્સાહી માટે આવશ્યક પગલું છે. વધુમાં, NumPy એરેમાં કૉલમને કાઢી નાખવા અને સંશોધિત કરવાના ખ્યાલને સમજવું મોટા પાયે ડેટા પ્રીપ્રોસેસિંગને હેન્ડલ કરવા માટે મદદરૂપ થઈ શકે છે, કારણ કે અપ્રસ્તુત અથવા બિનજરૂરી કૉલમ કાઢી નાખવાથી પ્રક્રિયાના સમયને નોંધપાત્ર રીતે સુધારી શકાય છે અને ડેટાનું વિશ્લેષણ કરવામાં સરળતા રહે છે.

સંબંધિત પોસ્ટ્સ:

પ્રતિક્રિયા આપો