ဖြေရှင်းထားသည်- Python NumPy Shape လုပ်ဆောင်ချက် အထားအသို

ပရိုဂရမ်းမင်းလောကတွင် Python သည် ၎င်း၏အသုံးပြုရလွယ်ကူမှု၊ ဖတ်ရှုနိုင်မှုနှင့် လိုက်လျောညီထွေရှိမှုတို့ကြောင့် နာမည်ကြီးသော ဘာသာစကားတစ်ခုဖြစ်လာသည်။ ၎င်း၏ များပြားလှသော စာကြည့်တိုက်များထဲတွင် NumPy သည် ဖက်ရှင်အပါအဝင် နယ်ပယ်အသီးသီးတွင် အပလီကေးရှင်းများစွာရှိသည့် ကိန်းဂဏာန်းဒေတာများကို ကိုင်တွယ်ရန် အစွမ်းထက်ဆုံးကိရိယာများထဲမှတစ်ခုအဖြစ် ထင်ရှားသည်။ ဤဆောင်းပါးတွင်၊ ကျွန်ုပ်တို့သည် ၎င်း၏ syntax ကို ဆွေးနွေးပြီး ဖက်ရှင်ခေတ်ရေစီးကြောင်းများကို ခွဲခြမ်းစိတ်ဖြာခြင်းဆိုင်ရာ ပြဿနာတစ်ခုအတွက် လက်တွေ့ကျသောအဖြေကို ပေးစွမ်းမည့် NumPy Shape လုပ်ဆောင်ချက်ကို စူးစမ်းလေ့လာပါမည်။ လမ်းတစ်လျှောက်တွင် သက်ဆိုင်ရာ စာကြည့်တိုက်များနှင့် လုပ်ငန်းဆောင်တာများကို လေ့လာပါမည်။ ဒါဆို စလိုက်ရအောင်။

NumPy Shape လုပ်ဆောင်ချက်သည် array တစ်ခု၏ ဖွဲ့စည်းပုံကို ပိုင်းခြားစိတ်ဖြာရန် မရှိမဖြစ်လိုအပ်သော ကိရိယာတစ်ခုဖြစ်သည်။ တစ်နည်းဆိုရသော်၊ ၎င်းသည် ကျွန်ုပ်တို့အား array ၏အတိုင်းအတာများကိုရရှိနိုင်ပြီး ၎င်းကိုပိုမိုထိရောက်စွာကိုင်တွယ်နိုင်စေပါသည်။ ဤလုပ်ဆောင်ချက်ကိုအသုံးပြုရန်၊ ကျွန်ုပ်တို့သည် အောက်ပါအတိုင်း NumPy စာကြည့်တိုက်ကို ဦးစွာတင်သွင်းရန် လိုအပ်ပါသည်။

import numpy as np

စာကြည့်တိုက်ကို တင်သွင်းပြီးနောက်၊ လက်တွေ့ကျသောပြဿနာကို စဉ်းစားကြည့်ကြပါစို့- ခေတ်ကာလနှင့်အမျှ ပေါ်ပေါက်လာသော မတူညီသောစတိုင်များနှင့် အသွင်အပြင်များကို နားလည်ရန် သမိုင်းဝင်ဖက်ရှင်ခေတ်ရေစီးကြောင်းဒေတာကို ပိုင်းခြားစိတ်ဖြာခြင်း။ ကျွန်ုပ်တို့တွင် အမျိုးမျိုးသောအဝတ်အစားပစ္စည်းများ၊ အရောင်အသွေးနှင့် ခေတ်စားနေခဲ့သော နှစ်များအကြောင်း အချက်အလက်များပါရှိသော အချက်အလက်အစုံရှိသည်ဆိုပါစို့။

NumPy Shape Function ကို နားလည်ခြင်း။

NumPy ရှိ ပုံသဏ္ဍာန်လုပ်ဆောင်ချက်သည် ပေးထားသော array ၏အတိုင်းအတာများကို ပြန်ပေးသည့် built-in လုပ်ဆောင်ချက်တစ်ခုဖြစ်သည်။ ဤလုပ်ဆောင်ချက်ကို အသုံးပြုရန်၊ ၎င်းကို အသုံးပြု၍ ရိုးရိုးခေါ်ဆိုပါ။ ပုံသဏ္ဌာန် array object ၏ attribute ဖြစ်သော၊

array_shape = array_name.shape

ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့တွင် ကျွန်ုပ်တို့၏ ဖက်ရှင်ဒေတာအတွဲပါရှိသော အောက်ပါအခင်းအကျင်းတွင် ရှိသည်ဟု ယူဆကြပါစို့။

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)

ဤဥပမာတွင်၊ ပုံသဏ္ဍာန်လုပ်ဆောင်ချက်သည် ကျွန်ုပ်တို့၏ဒေတာအတွဲတွင် အတန်းသုံးတန်းနှင့် ကော်လံသုံးကြောင်းရှိကြောင်း ဖော်ပြသော tuple (3၊ 3) ကို ပြန်ပေးသည်။

NumPy ဖြင့် ဖက်ရှင်ရေစီးကြောင်းများကို ရှာဖွေခြင်း။

ပုံသဏ္ဍာန်လုပ်ဆောင်ချက်ကို ရှင်းရှင်းလင်းလင်းနားလည်ထားခြင်းဖြင့်၊ ဖက်ရှင်ခေတ်ရေစီးကြောင်းခွဲခြမ်းစိတ်ဖြာမှုတွင် ၎င်းကို မည်သို့အသုံးချနိုင်သည်ကို ယခု ဆွေးနွေးနိုင်ပါသည်။ ကျွန်ုပ်တို့၏ဒေတာအတွဲတွင် နှစ်စဉ်နှစ်တိုင်းအတွက် လူကြိုက်အများဆုံးအရောင်များနှင့် အဝတ်အစားပစ္စည်းများကို ခွဲခြမ်းစိတ်ဖြာလိုသည်ဆိုပါစို့။ ထိုသို့ပြုလုပ်ရန်၊ ကျွန်ုပ်တို့သည် array မှတဆင့် ထပ်လောင်းပြီး သက်ဆိုင်ရာ အချက်အလက်များကို ရယူရန် ပုံသဏ္ဍာန်လုပ်ဆောင်ချက်ကို အသုံးပြုပါမည်။

ဦးစွာ၊ ကျွန်ုပ်တို့သည် ကျွန်ုပ်တို့၏ဒေတာအတွဲတွင် အတန်းအရေအတွက် (နှစ်များ) ကို ရယူသည်-

num_years = fashion_data_shape[0]

ထို့နောက်၊ ကျွန်ုပ်တို့သည် အတန်းများကို လှည့်ပတ်ကာ နှစ်စဉ်နှစ်တိုင်းအတွက် အထည်အရောင်နှင့် ပစ္စည်းကို ထုတ်ယူနိုင်သည်-

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.")

ဤကုဒ်အတိုအထွာသည် အောက်ပါကဲ့သို့ တစ်စုံတစ်ရာကို ထုတ်ပေးလိမ့်မည်-

``
2000 ခုနှစ်တွင် အနီရောင် စကတ်သည် ခေတ်ဆန်ခဲ့သည်။
၂၀၀၁ ခုနှစ်တွင် အပြာရောင်ဂျင်းဘောင်းဘီသည် ခေတ်ဆန်ခဲ့သည်။
2002 ခုနှစ်တွင် အစိမ်းရောင်ဂျာကင်အင်္ကျီသည် ခေတ်ဆန်ခဲ့သည်။
``

NumPy ပုံသဏ္ဍာန်လုပ်ဆောင်ချက်ကိုအသုံးပြုခြင်းအားဖြင့် ကျွန်ုပ်တို့သည် ကျွန်ုပ်တို့၏ဒေတာအတွဲမှသက်ဆိုင်ရာအချက်အလက်များကိုရယူနိုင်ပြီး မတူညီသောပုံစံများ၊ ရုပ်ပုံများနှင့်ခေတ်ရေစီးကြောင်းများကို နှစ်များတစ်လျှောက်ပြသနိုင်ခဲ့သည်။

Key ကို Takeaways

ဤဆောင်းပါးတွင်၊ ကျွန်ုပ်တို့သည် စူးစမ်းလေ့လာခဲ့သည်။ NumPy Shape လုပ်ဆောင်ချက် နှင့်၎င်း၏အထားအသိုကိုခွဲခြမ်းစိတ်ဖြာခြင်း၏လက်တွေ့စံနမူနာသို့ကျဆင်းသွားသည်။ ဖက်ရှင်ခေတ်ရေစီးကြောင်း ဒေတာ။ ကျွန်ုပ်တို့သည် ဒေတာအတွဲတစ်ခုအတွင်း အမျိုးမျိုးသောဒြပ်စင်များကို ဝင်ရောက်ကြည့်ရှုရန် ပုံသဏ္ဍာန်လုပ်ဆောင်ချက်ကို အသုံးပြုခြင်းဖြင့် ကျွန်ုပ်တို့အား အချိန်နှင့်အမျှ ကွဲပြားသောစတိုင်များနှင့် ခေတ်ရေစီးကြောင်းများကို ထိထိရောက်ရောက် ခွဲခြမ်းစိတ်ဖြာပြီး ပြသနိုင်စေခဲ့သည်။ နိဂုံးချုပ်အားဖြင့်၊ ပုံသဏ္ဍာန်လုပ်ဆောင်ချက်သည် နယ်ပယ်အသီးသီးတွင် များပြားလှသော အသုံးချပရိုဂရမ်များနှင့်အတူ ကိန်းဂဏာန်းအချက်အလက်များနှင့် လုပ်ဆောင်ရန်အတွက် အစွမ်းထက်သောကိရိယာတစ်ခုဖြစ်သည်။ ပုံ နှင့် စတိုင် ခွဲခြမ်းစိတ်ဖြာခြင်း။