ಪರಿಹರಿಸಲಾಗಿದೆ: ಪೈಥಾನ್ ನಂಬಿ ಡಿಲೀಟ್ ಕಾಲಮ್

ಈ ಲೇಖನದಲ್ಲಿ, ನಾವು ಪೈಥಾನ್ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಭಾಷೆಯನ್ನು ಚರ್ಚಿಸುತ್ತೇವೆ, ನಿರ್ದಿಷ್ಟವಾಗಿ ಲೈಬ್ರರಿ NumPy ಮತ್ತು ಈ ಲೈಬ್ರರಿಯನ್ನು ಬಳಸಿಕೊಂಡು ಕಾಲಮ್ ಅನ್ನು ಹೇಗೆ ಅಳಿಸುವುದು ಎಂಬುದರ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುತ್ತೇವೆ. ಪೈಥಾನ್ ವೆಬ್ ಅಭಿವೃದ್ಧಿ, ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಮತ್ತು ಹೆಚ್ಚಿನವುಗಳನ್ನು ಒಳಗೊಂಡಂತೆ ವಿವಿಧ ಉದ್ದೇಶಗಳಿಗಾಗಿ ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲಾಗುವ ಬಹುಮುಖ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಭಾಷೆಯಾಗಿದೆ. ಪೈಥಾನ್‌ನ ಜನಪ್ರಿಯತೆಯ ಪ್ರಮುಖ ಅಂಶವೆಂದರೆ ಅದರ ಹಲವಾರು ಗ್ರಂಥಾಲಯಗಳು, ಇದು ಕೋಡಿಂಗ್ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಮತ್ತು ನಿರ್ವಹಿಸಲು ಸುಲಭಗೊಳಿಸುತ್ತದೆ. NumPy ಅಂತಹ ಒಂದು ಲೈಬ್ರರಿಯಾಗಿದ್ದು, ದೊಡ್ಡದಾದ, ಬಹು ಆಯಾಮದ ಅರೇಗಳು ಮತ್ತು ಸಂಖ್ಯಾ ಡೇಟಾದ ಮ್ಯಾಟ್ರಿಕ್ಸ್‌ಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡಲು ವಿಶೇಷವಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ. ಡೇಟಾ ಕುಶಲತೆಯ ಕ್ಷೇತ್ರದಲ್ಲಿ, ರಚನೆಯಿಂದ ಕಾಲಮ್‌ಗಳನ್ನು ಹೇಗೆ ಅಳಿಸುವುದು ಎಂದು ತಿಳಿಯುವುದು ಅತ್ಯಗತ್ಯ, ಏಕೆಂದರೆ ಇದು ಅನೇಕ ಕೆಲಸದ ಹರಿವುಗಳಲ್ಲಿ ಸಾಮಾನ್ಯ ಪೂರ್ವ ಸಂಸ್ಕರಣೆಯ ಹಂತವಾಗಿದೆ.

NumPy ಲೈಬ್ರರಿಯು ಈ ಕಾರ್ಯವನ್ನು ಸಾಧಿಸಲು `ಅಳಿಸು` ಎಂಬ ಬಳಕೆದಾರ ಸ್ನೇಹಿ ಕಾರ್ಯವನ್ನು ನೀಡುತ್ತದೆ. numpy.delete() ಕಾರ್ಯವು ನಿರ್ದಿಷ್ಟಪಡಿಸಿದ ಅಕ್ಷದ ಉದ್ದಕ್ಕೂ ಒಂದು ಶ್ರೇಣಿಯಲ್ಲಿನ ಅಂಶಗಳನ್ನು ತೆಗೆದುಹಾಕುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದೆ. ಇದು 2D ಅರೇ ಅಥವಾ ಮ್ಯಾಟ್ರಿಕ್ಸ್‌ನಿಂದ ಕಾಲಮ್ ಅನ್ನು ಅಳಿಸಲು ನಮಗೆ ಸರಳಗೊಳಿಸುತ್ತದೆ.

ಪ್ರಾರಂಭಿಸಲು, ನಾವು NumPy ಲೈಬ್ರರಿಯನ್ನು ಆಮದು ಮಾಡಿಕೊಳ್ಳೋಣ ಮತ್ತು ಮಾದರಿ 2D ರಚನೆಯನ್ನು ರಚಿಸೋಣ:

import numpy as np

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

ಈಗ, ನಮ್ಮ 2D ಅರೇಯಿಂದ ನಿರ್ದಿಷ್ಟ ಕಾಲಮ್ ಅನ್ನು ಅಳಿಸಲು ನಾವು `np.delete()` ಕಾರ್ಯವನ್ನು ಬಳಸುತ್ತೇವೆ:

# 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() ಕಾರ್ಯವನ್ನು ವಿವರಿಸುವುದು

np.delete() ಕಾರ್ಯವು ಮೂರು ಪ್ರಮುಖ ಆರ್ಗ್ಯುಮೆಂಟ್‌ಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ: ಇನ್‌ಪುಟ್ ಅರೇ, ಅಳಿಸಬೇಕಾದ ಅಂಶ ಅಥವಾ ಕಾಲಮ್‌ನ ಸೂಚ್ಯಂಕ ಮತ್ತು ಅಳಿಸಬೇಕಾದ ಅಕ್ಷ. ಈ ಸಂದರ್ಭದಲ್ಲಿ ಅಕ್ಷದ ನಿಯತಾಂಕವು ನಿರ್ಣಾಯಕವಾಗಿದೆ ಏಕೆಂದರೆ ನಾವು ಕಾಲಮ್ ಅನ್ನು ಅಳಿಸಲು ಬಯಸುತ್ತೇವೆ, ಕೇವಲ ಒಂದು ಅಂಶವಲ್ಲ. ಅಕ್ಷ = 1 ಅನ್ನು ಹೊಂದಿಸುವ ಮೂಲಕ, ಕಾಲಮ್ ಅಕ್ಷದ ಉದ್ದಕ್ಕೂ ಅಳಿಸಲು ನಾವು ಕಾರ್ಯವನ್ನು ಹೇಳುತ್ತಿದ್ದೇವೆ. ನಾವು axis=0 ಅನ್ನು ಹೊಂದಿಸಿದರೆ, ಕಾರ್ಯವು ಸಾಲು ಅಕ್ಷದ ಉದ್ದಕ್ಕೂ ಅಳಿಸುತ್ತದೆ.

np.delete() ಕಾರ್ಯವು ಸ್ಥಳದಲ್ಲಿ ಮೂಲ ರಚನೆಯನ್ನು ಮಾರ್ಪಡಿಸುವುದಿಲ್ಲ ಎಂಬುದನ್ನು ಗಮನಿಸಿ. ಬದಲಾಗಿ, ಇದು ಹೊಸ ಮಾರ್ಪಡಿಸಿದ ರಚನೆಯನ್ನು ಹಿಂದಿರುಗಿಸುತ್ತದೆ, ನಿಮ್ಮ ಕೆಲಸದ ಹರಿವಿನಲ್ಲಿ ಮೂಲ ಡೇಟಾವನ್ನು ನಿರ್ವಹಿಸಲು ನೀವು ಬಯಸಿದಾಗ ಇದು ಅತ್ಯಗತ್ಯವಾಗಿರುತ್ತದೆ.

NumPy ಲೈಬ್ರರಿಯನ್ನು ನ್ಯಾವಿಗೇಟ್ ಮಾಡಲಾಗುತ್ತಿದೆ

NumPy ಲೈಬ್ರರಿಯು ದೊಡ್ಡ, ಬಹು-ಆಯಾಮದ ಅರೇಗಳು ಮತ್ತು ಸಂಖ್ಯಾ ಡೇಟಾದ ಮ್ಯಾಟ್ರಿಕ್ಸ್‌ಗಳನ್ನು ನಿರ್ವಹಿಸಲು ವಿವಿಧ ತಂತ್ರಗಳು ಮತ್ತು ಕಾರ್ಯಗಳನ್ನು ಹೊಂದಿದೆ. ಹಲವಾರು ಜನಪ್ರಿಯ ಫಂಕ್ಷನ್‌ಗಳಲ್ಲಿ `ರೀಶೇಪ್`, `ಕಾನ್ಕಾಟೆನೇಟ್`, `ಸ್ಪ್ಲಿಟ್` ಮತ್ತು ಹೆಚ್ಚಿನವು ಸೇರಿವೆ. ಪೈಥಾನ್‌ನೊಂದಿಗೆ ಗಣಿತ ಮತ್ತು ವೈಜ್ಞಾನಿಕ ಕಂಪ್ಯೂಟಿಂಗ್‌ಗೆ ಅದರ ಸಮರ್ಥ ಮತ್ತು ಬಳಸಲು ಸುಲಭವಾದ ಡೇಟಾ ರಚನೆಗಳಿಂದಾಗಿ NumPy ಮೂಲಭೂತ ಪ್ಯಾಕೇಜ್ ಆಗಿದೆ.

ಅರೇಗಳು ಮತ್ತು ಡೇಟಾ ಮ್ಯಾನಿಪ್ಯುಲೇಷನ್ ಅನ್ನು ನಿರ್ವಹಿಸುವ NumPy ನ ವಿಧಾನವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಪ್ರತಿಯೊಬ್ಬ ಡೇಟಾ ವಿಜ್ಞಾನಿ ಅಥವಾ ಯಂತ್ರ ಕಲಿಕೆ ಉತ್ಸಾಹಿಗಳಿಗೆ ಅತ್ಯಗತ್ಯ ಹಂತವಾಗಿದೆ. ಹೆಚ್ಚುವರಿಯಾಗಿ, NumPy ಅರೇಗಳಲ್ಲಿನ ಕಾಲಮ್‌ಗಳನ್ನು ಅಳಿಸುವ ಮತ್ತು ಮಾರ್ಪಡಿಸುವ ಪರಿಕಲ್ಪನೆಯನ್ನು ಗ್ರಹಿಸುವುದು ದೊಡ್ಡ ಪ್ರಮಾಣದ ಡೇಟಾ ಪ್ರಿಪ್ರೊಸೆಸಿಂಗ್ ಅನ್ನು ನಿರ್ವಹಿಸಲು ಸಹಾಯಕವಾಗಬಹುದು, ಏಕೆಂದರೆ ಅಪ್ರಸ್ತುತ ಅಥವಾ ಅನಗತ್ಯ ಕಾಲಮ್‌ಗಳನ್ನು ಅಳಿಸುವುದರಿಂದ ಪ್ರಕ್ರಿಯೆಯ ಸಮಯವನ್ನು ಗಮನಾರ್ಹವಾಗಿ ಸುಧಾರಿಸಬಹುದು ಮತ್ತು ಡೇಟಾವನ್ನು ವಿಶ್ಲೇಷಿಸಲು ಸುಲಭವಾಗುತ್ತದೆ.