Šajā rakstā mēs apspriedīsim Python programmēšanas valodu, īpaši koncentrējoties uz bibliotēku NumPy un to, kā izdzēst kolonnu, izmantojot šo bibliotēku. Python ir daudzpusīga programmēšanas valoda, ko plaši izmanto dažādiem mērķiem, tostarp tīmekļa izstrādei, datu analīzei, mākslīgajam intelektam un citiem. Viena no Python popularitātes galvenajām sastāvdaļām ir tās daudzās bibliotēkas, kas padara kodēšanas procesu efektīvāku un vieglāk apstrādājamu. NumPy ir viena no šādām bibliotēkām, kas īpaši paredzēta darbam ar lieliem, daudzdimensiju masīviem un skaitlisko datu matricām. Datu apstrādes jomā ir svarīgi zināt, kā dzēst kolonnas no masīva, jo tas ir izplatīts pirmapstrādes solis daudzās darbplūsmās.
Lai veiktu šo uzdevumu, NumPy bibliotēka piedāvā lietotājam draudzīgu funkciju, ko sauc par "dzēst". Funkcija numpy.delete() spēj noņemt elementus no masīva pa noteiktu asi. Tas atvieglo kolonnas dzēšanu no 2D masīva vai matricas.
Lai sāktu, importēsim NumPy bibliotēku un izveidosim 2D masīva paraugu:
import numpy as np
array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print("Original array:")
print(array)
Tagad mēs izmantosim funkciju "np.delete()", lai dzēstu konkrētu kolonnu no mūsu 2D masīva:
# Deleting the second column (index 1)
array_modified = np.delete(array, 1, axis=1)
print("nArray with the second column deleted:")
print(array_modified)
Funkcijas np.delete() skaidrojums
Funkcijai np.delete() ir trīs galvenie argumenti: ievades masīvs, dzēšamā elementa vai kolonnas indekss un ass, pa kuru dzēst. Ass parametram šajā gadījumā ir izšķiroša nozīme, jo mēs vēlamies dzēst kolonnu, nevis tikai elementu. Iestatot axis=1, mēs sakām funkcijai dzēst gar kolonnas asi. Ja mēs iestatītu axis=0, funkcija tiktu dzēsta gar rindas asi.
Ņemiet vērā, ka funkcija np.delete() nemaina sākotnējo masīvu vietā. Tā vietā tas atgriež jaunu modificētu masīvu, kas ir būtiski, ja vēlaties darbplūsmā saglabāt sākotnējos datus.
Navigācija NumPy bibliotēkā
NumPy bibliotēkai ir dažādas metodes un funkcijas lielu, daudzdimensiju masīvu un skaitlisko datu matricu apstrādei. Vairākas populāras funkcijas ietver "pārveidot", "savienot", "sadalīt" un daudz ko citu. NumPy ir pamata pakotne matemātiskajai un zinātniskajai skaitļošanai ar Python, pateicoties tās efektīvajām un viegli lietojamajām datu struktūrām.
Izpratne par NumPy veidu, kā rīkoties ar masīviem un datu manipulācijām, ir būtisks solis ikvienam datu zinātniekam vai mašīnmācīšanās entuziastam. Turklāt kolonnu dzēšanas un modificēšanas koncepcija NumPy masīvos var būt noderīga lielapjoma datu pirmapstrādei, jo neatbilstošo vai nevajadzīgo kolonnu dzēšana var ievērojami palielināt apstrādes laiku un atvieglot datu analīzi.
