पायथन न्यूमपी एक लोकप्रिय पुस्तकालय है जो कई उन्नत गणितीय कार्य प्रदान करता है और इसे बहुआयामी सरणियों के साथ काम करने के लिए अत्यंत कुशल बनाता है। ऐसा ही एक उपयोगी कार्य है NumPy column_stack function। इस लेख में, हम 2d सरणियों के साथ काम करने में column_stack फ़ंक्शन और उसके अनुप्रयोग पर गहराई से नज़र डालेंगे। हम पायथन में सरणियों के साथ काम करने से संबंधित विभिन्न पुस्तकालयों और कार्यों का भी पता लगाएंगे।
NumPy column_stack फ़ंक्शन का परिचय
NumPy column_stack फ़ंक्शन कई 1D और 2D सरणियों को एक 2D सरणी में ढेर करने के लिए एक सुविधाजनक उपकरण है, इनपुट सरणियों को स्तंभों में व्यवस्थित करता है। यह विभिन्न परिदृश्यों में मददगार हो सकता है, जैसे कि जब कई डेटासेट का संयोजन किया जाता है या मैट्रिक्स संचालन के साथ काम किया जाता है। कॉलम_स्टैक फ़ंक्शन का सिंटैक्स इस प्रकार है:
numpy.column_stack((array1, array2, ..., arrayN))
अब चलिए column_stack फ़ंक्शन का उपयोग करके किसी समस्या को हल करने में गोता लगाते हैं और कोड को चरण दर चरण समझाते हैं।
समस्या कथन और समाधान
मान लीजिए कि हमारे पास दो अलग-अलग डेटासेट हैं जिनमें दो विषयों में छात्रों के स्कोर हैं, और हम कॉलम के रूप में दोनों विषयों के स्कोर के साथ एक समेकित डेटासेट बनाना चाहते हैं। इसे प्राप्त करने के लिए हम NumPy column_stack फ़ंक्शन का उपयोग कर सकते हैं।
यहाँ column_stack का उपयोग करके दो 1D सरणियों को एक एकल 2D सरणी में संयोजित करने का एक कोड उदाहरण दिया गया है:
import numpy as np subject_1_scores = np.array([95, 85, 78, 90]) subject_2_scores = np.array([88, 78, 81, 92]) combined_scores = np.column_stack((subject_1_scores, subject_2_scores)) print(combined_scores)
कोड की चरण-दर-चरण व्याख्या
आइए कोड को तोड़ दें और प्रत्येक चरण की व्याख्या करें:
1. सबसे पहले, हम "np" उपनाम के साथ NumPy लाइब्रेरी आयात करते हैं।
2. हम दो NumPy सरणियाँ बनाते हैं, subject_1_scores और subject_2_scores, जिसमें दो विषयों में छात्रों के स्कोर होते हैं।
3. हम तब उपयोग करते हैं column_stack कॉलम-वार दो सरणियों को ढेर करने के लिए कार्य करें और परिणामी 2D सरणी को संयुक्त_स्कोर नामक चर में संग्रहीत करें।
4. अंत में, हम कंसोल के लिए संयुक्त_स्कोर 2डी सरणी प्रिंट करते हैं।
इस कोड का आउटपुट होगा:
[[95 88] [85 78] [78 81] [90 92]]
यहाँ, हम देख सकते हैं कि इनपुट सरणियों को कॉलम-वार सफलतापूर्वक एक एकल 2D सरणी में स्टैक किया गया है।
सारणियों के साथ काम करने के लिए अन्य कार्य और पुस्तकालय
पायथन में बहुआयामी सरणियों के साथ काम करना विभिन्न पुस्तकालयों और कार्यों का उपयोग करके प्रभावी ढंग से प्राप्त किया जा सकता है। NumPy column_stack फ़ंक्शन के अलावा, कुछ अन्य उल्लेखनीय विशेषताएं हैं:
- NumPy.hstack: यह फ़ंक्शन क्षैतिज रूप से (कॉलम-वार) सरणियों को भी ढेर करता है, हालांकि इसके लिए इनपुट सरणियों में कॉलम_स्टैक के विपरीत आयामों की समान संख्या की आवश्यकता होती है।
- NumPy.vstack: यह फ़ंक्शन सरणियों को लंबवत (पंक्ति-वार) ढेर करता है।
- NumPy.concatate: इस बहुमुखी फ़ंक्शन का उपयोग निर्दिष्ट अक्ष के साथ सरणियों को जोड़ने के लिए किया जा सकता है।
- पांडा: डेटा विश्लेषण के लिए एक अन्य लोकप्रिय पायथन लाइब्रेरी, पांडा संरचित डेटा के साथ काम करने के लिए उन्नत कार्यक्षमता प्रदान करता है, जैसे कि मर्ज, जॉइन या कॉन्सैट फ़ंक्शंस का उपयोग करके डेटाफ़्रेम (पांडा.डेटाफ़्रेम) का संयोजन।
इन पुस्तकालयों और कार्यों में महारत हासिल करके, आप पायथन में विभिन्न बहुआयामी सरणी संचालन को कुशलतापूर्वक संभाल और संसाधित कर सकते हैं। हैप्पी कोडिंग!
