A duniyar shirye-shirye, yana da mahimmanci a san yadda ake sarrafa bayanai da sarrafa bayanai yadda ya kamata. Wani mashahurin yaren shirye-shirye wanda ke ba masu haɓaka damar yin aiki da bayanai yadda ya kamata shine Python. Godiya ga iyawar sa da ɗakunan karatu da yawa, Python ya zama abin da aka fi so tsakanin masu haɓakawa da masana kimiyyar bayanai. Ɗayan irin wannan ɗakin karatu shine Lambobi, wanda ya ƙware wajen yin aiki tare da tsararru da ayyukan ƙididdiga. A cikin wannan labarin, za mu bincika yadda ake samun kashi ɗaya daga ArrayList a cikin tsararrun NumPy, tattauna ɗakunan karatu da ayyukan da aka yi amfani da su, da zurfafa cikin tarihin waɗannan kayan aikin Python.
NumPy, gajere don Python lambobi, babban ɗakin karatu ne mai ƙarfi da ake amfani da shi don ayyuka daban-daban na lissafin lissafi da na lambobi. Babban abin da NumPy ke mayar da hankali shi ne ndarray abu, wanda shi ne nau'in nau'i mai nau'i mai yawa wanda zai iya adanawa da sarrafa bayanai masu yawa. Don dawo da kashi ɗaya daga cikin ArrayList, muna buƙatar zurfafa cikin aiwatarwa mai amfani ta wannan ɗakin karatu mai taimako.
import numpy as np
# Creating a NumPy array
array = np.array([1, 2, 3, 4, 5])
# Accessing a single element
element = array[2]
print("Single Element from ArrayList in NumPy Array: ", element)
A cikin snippet ɗin lambar da ke sama, mun fara shigo da ɗakin karatu na NumPy azaman np. Bayan wannan, mun ƙirƙiri tsararrun NumPy da ake kira tsararru wanda ya ƙunshi abubuwan 1, 2, 3, 4, da 5. Don samun damar abu ɗaya, muna amfani da array indexing. Fihirisar tana farawa daga 0, don haka don samun damar kashi na uku (wanda ke da fihirisar 2), muna amfani da tsararru[2]. Wannan yana mayar da ƙimar 3, wanda aka adana a cikin kashi m kuma an buga shi zuwa na'ura mai kwakwalwa.
Aiki tare da NumPy Arrays
NumPy tsararrun abubuwa ne masu mahimmanci na ɗakin karatu na NumPy. Suna samar da ingantacciyar hanya da sauri ta sarrafa bayanai idan aka kwatanta da lissafin Python na gargajiya. Abun ndarray yana sauƙaƙe aiwatar da ayyukan lissafi da sake fasalin bayanai kamar yadda ake buƙata.
- Ƙirƙirar tsararraki: Akwai hanyoyi da yawa don ƙirƙirar tsararraki a cikin NumPy. Wasu hanyoyin gama gari sun haɗa da np.array(), np.zeros(), Da kuma np.su(). Waɗannan ayyuka suna taimakawa fara tsara tsararraki tare da ma'aunin da ake buƙata da nau'in bayanai.
- Shiga abubuwa: Ana iya samun dama ga abubuwa guda ɗaya ta amfani da fihirisa, yayin da abubuwa da yawa ta hanyar yanka ko fihirisar ƙima.
- Sake siffa da sake girma: Za a iya sake fasalin tsarin NumPy da kuma canza girman tare da taimakon sake fasalin () da kuma sake girma() ayyuka. Waɗannan ayyuka suna taimakawa don canza girman tsararrun ba tare da canza bayanai ba.
Python da Dakunan karatu da yawa
Python ya sami shahara sosai tsawon shekaru, da farko saboda sauƙi da iya karantawa. Bayan sauƙin amfani da shi, Python yana ba da ɗakunan karatu da yawa da yawa waɗanda ke sa ya fi dacewa da ƙarfi.
Wasu shahararrun ɗakunan karatu na Python sun haɗa da:
- Lambobi: Kamar yadda aka ambata a baya, NumPy shine zaɓi don ƙididdige ƙididdiga da kimiyya.
- Panda: Laburaren da aka haɓaka musamman don sarrafa bayanai da bincike, yana samar da DataFrame da Tsarin bayanai don sarrafa bayanai.
- matplotlib: Laburaren da aka yi amfani da shi don ƙirƙirar filaye da zane-zane na 2D daga ma'auni daban-daban, yana ba da zaɓuɓɓukan gyare-gyare masu yawa.
- SciPy: Laburaren da aka gina akan NumPy, wanda ke ba da ƙarin ayyuka don lissafin kimiyya da fasaha.
Ƙarfin Python da ɗimbin ɗakunan karatu sun mai da shi kayan aiki mai mahimmanci a wurare daban-daban, ciki har da haɓaka yanar gizo, nazarin bayanai, basirar wucin gadi, da kuma koyon inji. Ta hanyar ƙware waɗannan ɗakunan karatu, masu haɓakawa za su iya magance matsaloli masu sarƙaƙiya yadda ya kamata kuma su ƙirƙiri manyan mafita ga duniyar salo da bayanta.
