Programmēšanas pasaulē Python ir kļuvusi par populāru valodu, kas pazīstama ar savu lietošanas vienkāršību, lasāmību un elastību. Starp daudzajām bibliotēkām NumPy izceļas kā viens no jaudīgākajiem rīkiem skaitlisko datu apstrādei, kam ir daudz pielietojumu dažādās jomās, tostarp modē. Šajā rakstā mēs iedziļināsimies funkcijā NumPy Shape, apspriedīsim tās sintaksi un piedāvāsim praktisku risinājumu problēmai, kas saistīta ar modes tendenču analīzi. Pa ceļam mēs arī izpētīsim saistītās bibliotēkas un funkcijas. Tātad, sāksim!
Funkcija NumPy Shape ir būtisks rīks masīva struktūras analīzei. Citiem vārdiem sakot, tas ļauj mums iegūt masīva izmērus un efektīvāk ar to manipulēt. Lai izmantotu šo funkciju, mums vispirms ir jāimportē NumPy bibliotēka šādi:
import numpy as np
Pēc bibliotēkas importēšanas apskatīsim praktisku problēmu: vēsturisko modes tendenču datu analīzi, lai izprastu dažādus stilus un izskatus, kas radušies laika gaitā. Pieņemsim, ka mums ir datu kopa, kurā ir informācija par dažādiem apģērba priekšmetiem, to krāsām un gadu, kad tie bija moderni.
Izpratne par NumPy formas funkciju
Formas funkcija programmā NumPy ir iebūvēta funkcija, kas atgriež dotā masīva izmērus. Lai piekļūtu šai funkcijai, vienkārši izsauciet to, izmantojot forma masīva objekta atribūts, piemēram:
array_shape = array_name.shape
Piemēram, pieņemsim, ka mums ir šāds masīvs, kurā ir mūsu modes datu kopa:
fashion_data = np.array([[2000, "red", "skirt"],
[2001, "blue", "jeans"],
[2002, "green", "jacket"]])
fashion_data_shape = fashion_data.shape
print(fashion_data_shape) # Output: (3, 3)
Šajā piemērā forma forma atgriež korešu (3, 3), norādot, ka mūsu datu kopā ir trīs rindas un trīs kolonnas.
Modes tendenču izpēte, izmantojot NumPy
Skaidri izprotot formas funkciju, tagad varam apspriest, kā to var izmantot modes tendenču analīzes kontekstā. Pieņemsim, ka mēs vēlamies analizēt katra gada populārākās krāsas un apģērbu preces savā datu kopā. Lai to izdarītu, mēs izmantosim formu, lai atkārtotu masīvu un piekļūtu attiecīgajai informācijai.
Pirmkārt, mēs iegūstam rindu skaitu (gadus) mūsu datu kopā:
num_years = fashion_data_shape[0]
Tālāk mēs varam pāršķirt rindas un izvilkt apģērba krāsu un priekšmetu katram gadam:
for i in range(num_years):
trend_year = fashion_data[i, 0]
trend_color = fashion_data[i, 1]
trend_item = fashion_data[i, 2]
print(f"In {trend_year}, {trend_color} {trend_item} were fashionable.")
Šis koda fragments izvadītu kaut ko līdzīgu šim:
“
2000. gadā modē bija sarkani svārki.
2001. gadā modē bija zili džinsi.
2002. gadā modē bija zaļa jaka.
“
Izmantojot NumPy shape funkciju, mēs varējām piekļūt atbilstošai informācijai no mūsu datu kopas un parādīt dažādus stilus, izskatu un tendences gadu gaitā.
Atslēgas
Šajā rakstā mēs izpētījām NumPy Shape funkcija un tās sintakse, iedziļinoties praktiskā analīzes piemērā modes tendences datus. Mēs demonstrējām formas funkcijas izmantošanu, lai piekļūtu dažādiem datu kopas elementiem, ļaujot mums laika gaitā efektīvi analizēt un demonstrēt dažādus stilus un tendences. Noslēgumā jāsaka, ka formas funkcija ir spēcīgs rīks darbam ar skaitliskiem datiem, ar daudzām lietojumprogrammām dažādās jomās, tostarp mode un stils analīze.
