NumPy ಎಂಬುದು ಪೈಥಾನ್‌ನಲ್ಲಿನ ಪ್ರಬಲ ಗ್ರಂಥಾಲಯವಾಗಿದ್ದು, ಅರೇ ಮತ್ತು ಮ್ಯಾಟ್ರಿಕ್ಸ್ ಡೇಟಾ ರಚನೆಗಳಲ್ಲಿ ಸಂಖ್ಯಾತ್ಮಕ ಲೆಕ್ಕಾಚಾರಗಳಿಗೆ ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ. ಇದು ನೀಡುವ ಅನೇಕ ಕಾರ್ಯಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ ಪ್ಯಾಕ್‌ಬಿಟ್‌ಗಳು, ನಿರ್ದಿಷ್ಟಪಡಿಸಿದ ಅಕ್ಷದ ಉದ್ದಕ್ಕೂ ಬೈನರಿ ಡೇಟಾವನ್ನು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಎನ್ಕೋಡ್ ಮಾಡಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ. ಈ ಲೇಖನದಲ್ಲಿ, ಅಕ್ಷ 1 ರ ಉದ್ದಕ್ಕೂ NumPy ನ ಪ್ಯಾಕ್‌ಬಿಟ್‌ಗಳ ಕಾರ್ಯದ ಬಳಕೆಯನ್ನು ನಾವು ಅನ್ವೇಷಿಸುತ್ತೇವೆ ಮತ್ತು ಅದರ ತಂತ್ರಗಳು ಮತ್ತು ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ಚರ್ಚಿಸುತ್ತೇವೆ. ದಾರಿಯುದ್ದಕ್ಕೂ, ನಾವು ಸಂಬಂಧಿತ ಗ್ರಂಥಾಲಯಗಳು ಮತ್ತು ಕಾರ್ಯಚಟುವಟಿಕೆಗಳನ್ನು ಸಹ ಪರಿಶೀಲಿಸುತ್ತೇವೆ.
NumPy ನ ಪ್ಯಾಕ್‌ಬಿಟ್‌ಗಳ ಕಾರ್ಯವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು
ನಮ್ಮ ಪ್ಯಾಕ್‌ಬಿಟ್‌ಗಳು NumPy ನಲ್ಲಿನ ಕಾರ್ಯವು ಬಿಟ್‌ಗಳ ಗುಂಪುಗಳನ್ನು ಒಟ್ಟಿಗೆ ಪ್ಯಾಕ್ ಮಾಡುವ ಮೂಲಕ ಬೈನರಿ ಡೇಟಾವನ್ನು ಸಂಕುಚಿತಗೊಳಿಸಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ ಸಾಧನವಾಗಿದೆ. ಬೈನರಿ ಡೇಟಾದ ದೊಡ್ಡ ಸೆಟ್‌ಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವಾಗ ಇದು ವಿಶೇಷವಾಗಿ ಉಪಯುಕ್ತವಾಗಿದೆ, ಏಕೆಂದರೆ ಇದು ಮೆಮೊರಿ ಬಳಕೆಯನ್ನು ಹೆಚ್ಚು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ ಮತ್ತು ನಿಮ್ಮ ಕೋಡ್ನ ದಕ್ಷತೆಯನ್ನು ಸುಧಾರಿಸುತ್ತದೆ. ಈ ಕಾರ್ಯವು ನಿರ್ದಿಷ್ಟಪಡಿಸಿದ ಅಕ್ಷದ ಉದ್ದಕ್ಕೂ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ, ಇದು ಬಿಟ್ಗಳನ್ನು ಪ್ಯಾಕ್ ಮಾಡುವ ದಿಕ್ಕನ್ನು ನಿಯಂತ್ರಿಸಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ.
import numpy as np
# Example binary data array
binary_data = np.array([[0, 1, 1, 0, 1, 1, 1, 1],
[1, 0, 0, 1, 0, 0, 0, 1]])
packed_data = np.packbits(binary_data, axis=1)
print(packed_data)
ಮೇಲಿನ ಕೋಡ್ ಅಕ್ಷ 1 ರ ಉದ್ದಕ್ಕೂ ಬೈನರಿ ಡೇಟಾವನ್ನು ಪ್ಯಾಕ್ ಮಾಡಲು ಪ್ಯಾಕ್‌ಬಿಟ್‌ಗಳ ಕಾರ್ಯದ ಬಳಕೆಯನ್ನು ಪ್ರದರ್ಶಿಸುತ್ತದೆ. ಅಕ್ಷ 1 ಅನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸುವ ಮೂಲಕ, ಇನ್‌ಪುಟ್ ಅರೇಯ ಕಾಲಮ್‌ಗಳ ಉದ್ದಕ್ಕೂ ಬಿಟ್ಗಳನ್ನು ಪ್ಯಾಕ್ ಮಾಡಲು ನಾವು NumPy ಗೆ ಸೂಚಿಸುತ್ತಿದ್ದೇವೆ.
ಕೋಡ್ನ ಹಂತ-ಹಂತದ ವಿವರಣೆ
1. ಮೊದಲಿಗೆ, ನಾವು NumPy ಲೈಬ್ರರಿಯನ್ನು ಅಲಿಯಾಸ್ "np" ನೊಂದಿಗೆ ಆಮದು ಮಾಡಿಕೊಳ್ಳುತ್ತೇವೆ:
import numpy as np
2. ಮುಂದೆ, ನಾವು 2D ಬೈನರಿ ಡೇಟಾ ರಚನೆಯ ಉದಾಹರಣೆಯನ್ನು ರಚಿಸುತ್ತೇವೆ, ಅಲ್ಲಿ ಪ್ರತಿ ಅಂಶವು 0 ಅಥವಾ 1 ಆಗಿರಬಹುದು:
binary_data = np.array([[0, 1, 1, 0, 1, 1, 1, 1],
[1, 0, 0, 1, 0, 0, 0, 1]])
3. ನಂತರ ನಾವು ಅಕ್ಷ 1 ರ ಉದ್ದಕ್ಕೂ ಬೈನರಿ ಡೇಟಾವನ್ನು ಪ್ಯಾಕ್ ಮಾಡಲು ಪ್ಯಾಕ್‌ಬಿಟ್‌ಗಳ ಕಾರ್ಯವನ್ನು ಕರೆಯುತ್ತೇವೆ:
packed_data = np.packbits(binary_data, axis=1)
4. ಅಂತಿಮವಾಗಿ, ನಾವು ಪ್ಯಾಕ್ ಮಾಡಲಾದ ಡೇಟಾ ಶ್ರೇಣಿಯನ್ನು ಮುದ್ರಿಸುತ್ತೇವೆ:
print(packed_data)
ಈ ಕೋಡ್ನ ಔಟ್‌ಪುಟ್ ಪ್ಯಾಕ್ ಮಾಡಲಾದ ಬೈನರಿ ಡೇಟಾವನ್ನು ಹೊಂದಿರುವ 2D ಅರೇ ಆಗಿರುತ್ತದೆ:
[[179 241]
[137 17]]
ಇದರರ್ಥ ಮೂಲ ಬೈನರಿ ಡೇಟಾವನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಿದ ಅಕ್ಷದ ಉದ್ದಕ್ಕೂ ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಪ್ಯಾಕ್ ಮಾಡಲಾಗಿದೆ, ಇದು ಮೆಮೊರಿ ಬಳಕೆಯನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಮತ್ತು ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಹೆಚ್ಚಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.
ಸಂಬಂಧಿತ ಗ್ರಂಥಾಲಯಗಳಲ್ಲಿ ಇದೇ ರೀತಿಯ ಕಾರ್ಯಗಳು
ಪ್ಯಾಕ್‌ಬಿಟ್‌ಗಳ ಹೊರತಾಗಿ, ಇದೇ ರೀತಿಯ ಕಾರ್ಯಗಳನ್ನು ನೀಡುವ ಇತರ ಕಾರ್ಯಗಳು ಮತ್ತು ಲೈಬ್ರರಿಗಳೂ ಇವೆ. ಕೆಲವು ಉದಾಹರಣೆಗಳು ಸೇರಿವೆ:
ಪೈಥಾನ್‌ನ ಬಿಲ್ಟ್-ಇನ್ ಬಿನಾಸ್ಕಿ ಲೈಬ್ರರಿ
ನಮ್ಮ ಬಿನಾಸ್ಕಿ ಲೈಬ್ರರಿಯು ಪೈಥಾನ್‌ನ ಪ್ರಮಾಣಿತ ಗ್ರಂಥಾಲಯದ ಭಾಗವಾಗಿದೆ ಮತ್ತು ಬೈನರಿ ಮತ್ತು ವಿವಿಧ ASCII-ಎನ್ಕೋಡ್ ಮಾಡಿದ ಬೈನರಿ ಪ್ರಾತಿನಿಧ್ಯಗಳ ನಡುವೆ ಪರಿವರ್ತಿಸುವ ವಿಧಾನಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ. ಇದು ನೀಡುವ ಕಾರ್ಯಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ ಹೆಕ್ಸ್ಲಿಫೈ, ಬೈನರಿ ಡೇಟಾವನ್ನು ಹೆಕ್ಸಾಡೆಸಿಮಲ್ ಸ್ಟ್ರಿಂಗ್ ಪ್ರಾತಿನಿಧ್ಯವಾಗಿ ಪರಿವರ್ತಿಸಲು ಬಳಸಬಹುದು.
import binascii binary_data = b'x00x01x01x00' hex_data = binascii.hexlify(binary_data) print(hex_data)
ಈ ಉದಾಹರಣೆಯಲ್ಲಿ, ಬೈನರಿ ಡೇಟಾವನ್ನು ಹೊಂದಿರುವ ಬೈಟ್‌ಗಳ ವಸ್ತುವನ್ನು ಹೆಕ್ಸಾಡೆಸಿಮಲ್ ಸ್ಟ್ರಿಂಗ್ ಪ್ರಾತಿನಿಧ್ಯವಾಗಿ ಪರಿವರ್ತಿಸಲು biascii.hexlify ಕಾರ್ಯವನ್ನು ಬಳಸಲಾಗುತ್ತದೆ.
ಬಿಟಾರ್ರೆ ಗ್ರಂಥಾಲಯ
ಬೈನರಿ ಡೇಟಾದೊಂದಿಗೆ ಕೆಲಸ ಮಾಡಲು ಉಪಯುಕ್ತವಾದ ಮತ್ತೊಂದು ಲೈಬ್ರರಿ ಬಿಟಾರ್ರೇ ಗ್ರಂಥಾಲಯ. ಈ ಲೈಬ್ರರಿಯು ದೊಡ್ಡ ಬಿಟ್ ಅನುಕ್ರಮಗಳನ್ನು ಕುಶಲತೆಯಿಂದ ಮತ್ತು ಸಂಗ್ರಹಿಸಲು ಬಳಸಬಹುದಾದ ಸಮರ್ಥ ಬಿಟ್ ಅರೇ ಡೇಟಾ ರಚನೆಯನ್ನು ಒದಗಿಸುತ್ತದೆ.
from bitarray import bitarray binary_data = '01101111 10010001' bit_array = bitarray(binary_data) packed_data = bit_array.tobytes() print(packed_data)
ಈ ಉದಾಹರಣೆಯಲ್ಲಿ, ನಾವು ಬೈನರಿ ಸ್ಟ್ರಿಂಗ್‌ನಿಂದ ಬಿಟಾರ್ರೇ ಆಬ್ಜೆಕ್ಟ್ ಅನ್ನು ರಚಿಸುತ್ತೇವೆ ಮತ್ತು ಪ್ಯಾಕ್ ಮಾಡಲಾದ ಡೇಟಾವನ್ನು ಬೈಟ್ಸ್ ಆಬ್ಜೆಕ್ಟ್ ಆಗಿ ಪಡೆಯಲು ಟೊಬೈಟ್ಸ್ ವಿಧಾನವನ್ನು ಬಳಸುತ್ತೇವೆ.
ಕೊನೆಯಲ್ಲಿ, NumPy ಯ ಪ್ಯಾಕ್‌ಬಿಟ್‌ಗಳ ಕಾರ್ಯವು ಬೈನರಿ ಡೇಟಾವನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಿದ ಅಕ್ಷದ ಉದ್ದಕ್ಕೂ ಎನ್‌ಕೋಡಿಂಗ್ ಮಾಡಲು ಅಮೂಲ್ಯವಾದ ಸಾಧನವಾಗಿದೆ, ಅಂತಿಮವಾಗಿ ನಿಮ್ಮ ಕೋಡ್ ಅನ್ನು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಮಾಡುತ್ತದೆ ಮತ್ತು ಮೆಮೊರಿಯನ್ನು ಉಳಿಸುತ್ತದೆ. ಹೆಚ್ಚುವರಿಯಾಗಿ, ಬೈನರಿ ಲೈಬ್ರರಿ ಮತ್ತು ಬಿಟಾರ್ರೇ ಲೈಬ್ರರಿಯಂತಹ ಇತರ ಲೈಬ್ರರಿಗಳು ಮತ್ತು ಕ್ರಿಯಾತ್ಮಕತೆಗಳಿವೆ, ಅದು ಬೈನರಿ ಡೇಟಾದೊಂದಿಗೆ ಕೆಲಸ ಮಾಡಲು ನಿಮಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ.
