ဖြေရှင်းထားသည်- numpy နှင့် အော်ပရေတာ

numpy နှင့် အော်ပရေတာ Python ပရိုဂရမ်းမင်း၏ ကမ္ဘာပေါ်တွင် အရေးကြီးဆုံး စာကြည့်တိုက် နှစ်ခုသည် အထူးသဖြင့် ဒေတာ ခြယ်လှယ်ခြင်းနှင့် သင်္ချာဆိုင်ရာ လုပ်ဆောင်မှုများ၏ နယ်ပယ်အတွင်း ဖြစ်သည်။ ဤဆောင်းပါးတွင်၊ ကျွန်ုပ်တို့သည် ဤစာကြည့်တိုက်နှစ်ခု၏ စွမ်းအားကို စေ့စေ့စပ်စပ်လေ့လာပြီး ရှုပ်ထွေးသောပြဿနာများကို ရိုးရှင်းပြီး ထိရောက်သောနည်းလမ်းဖြင့် ဖြေရှင်းရာတွင် ၎င်းတို့၏အသုံးချမှုများကို ဆွေးနွေးပါမည်။ ပိုမိုနားလည်သဘောပေါက်ရန်၊ ကျွန်ုပ်တို့သည် NumPy နှင့် အော်ပရေတာအား နိဒါန်းပျိုးခြင်းဖြင့် စတင်မည်ဖြစ်ပြီး၊ ထို့နောက် အဆိုပါစာကြည့်တိုက်များကို အသုံးပြုသည့် သီးခြားပြဿနာတစ်ခုအတွက် အဆင့်ဆင့်ဖြေရှင်းချက်တစ်ခုဖြင့် စတင်ပါမည်။ ထို့အပြင်၊ ကျွန်ုပ်တို့သည် Python ရှိ array များနှင့် သင်္ချာဆိုင်ရာ လုပ်ဆောင်ချက်များနှင့် လုပ်ဆောင်ရန် ကျွန်ုပ်တို့၏စွမ်းရည်များကို ပိုမိုမြှင့်တင်ပေးမည့် ဆက်စပ်လုပ်ဆောင်ချက်များနှင့် နည်းပညာများကို ရှာဖွေပါမည်။

NumPy မိတ်ဆက်

NumPy သည် Numerical Python ၏အတိုကောက်ဖြစ်ပြီး၊ သည် arrays များကို ထိရောက်စွာ ကိုင်တွယ်ဖြေရှင်းနိုင်စေရန် ကူညီဆောင်ရွက်ပေးသည့် စွယ်စုံရစာကြည့်တိုက်တစ်ခုဖြစ်ပြီး ကိန်းဂဏာန်းအချက်အလက်များကို လျင်မြန်စွာနှင့် ဒြပ်စင်များကို လှည့်ပတ်ရန်မလိုအပ်ဘဲ ဂဏန်းအချက်အလက်နှင့် အလုပ်လုပ်ရန်အတွက် ကိရိယာများကို ပံ့ပိုးပေးပါသည်။ ထို့အပြင်၊ ၎င်းတွင် linear algebra၊ Fourier analysis နှင့် အခြားသော အထူးပြုသင်္ချာဆိုင်ရာ လုပ်ဆောင်ချက်များကို ဖြည့်ဆည်းပေးသည့် လုပ်ဆောင်ချက်များ ပါရှိသည်။

NumPy သည် ၎င်း၏ပြောင်းလွယ်ပြင်လွယ်နှင့် မြင့်မားသောစွမ်းဆောင်ရည်ကြောင့် သိပ္ပံနည်းကျနှင့် တွက်ချက်မှုဆိုင်ရာ အပလီကေးရှင်းများတွင် တွင်ကျယ်စွာအသုံးပြုသည်။ array computing ကို အာရုံစိုက်ပြီး NumPy သည် array manipulation တွင် ထူးချွန်ပြီး ၎င်းကို ၎င်းအပေါ်တွင် တည်ဆောက်ထားသော အခြားသော Python စာကြည့်တိုက်များစွာ၏ ကျောရိုးဖြစ်လာစေသည်။

အော်ပရေတာ စာကြည့်တိုက်ကို နားလည်ခြင်း။

အော်ပရေတာ စာကြည့်တိုက်သည် Python ရှိ ပင်ကိုယ်အော်ပရေတာများနှင့် သက်ဆိုင်သည့် လုပ်ဆောင်ချက်များကို ကျယ်ကျယ်ပြန့်ပြန့် စုစည်းပေးသည့် အားကောင်းသည့် မော်ဂျူးတစ်ခုဖြစ်သည်။ ဤစာကြည့်တိုက်သည် ဆော့ဖ်ဝဲအင်ဂျင်နီယာများအား ဂဏန်းသင်္ချာ၊ ယုတ္တိဗေဒနှင့် အနည်းငယ်မျှသော လုပ်ဆောင်ချက်များကို စိတ်ကြိုက်လုပ်ဆောင်မှုများ သို့မဟုတ် lambda အသုံးအနှုန်းများကို ရေးသားရန်မလိုအပ်ဘဲ လွယ်ကူစွာ လုပ်ဆောင်နိုင်စေပါသည်။

NumPy နှင့် အော်ပရေတာစာကြည့်တိုက်နှစ်ခုစလုံးသည် ရှုပ်ထွေးရှုပ်ထွေးသောသင်္ချာလုပ်ငန်းဆောင်တာများနှင့် ဒေတာခြယ်လှယ်ခြင်းလုပ်ငန်းဆောင်တာများကို လုပ်ဆောင်ခြင်းအတွက် အလွန်ထိရောက်သောနည်းလမ်းကို ပေးဆောင်ရန် ၎င်းတို့၏အားသာချက်များနှင့် ချိတ်ဆက်ထားသည်။

ပြဿနာဖြေရှင်းချက်နှင့် Code ရှင်းလင်းချက်

ကျွန်ုပ်တို့သည် array နှစ်ခု၏ ပေါင်းလဒ်ကို ရှာဖွေလိုပြီး ရလဒ်ကို လေးထပ်အောင်ပြုလုပ်လိုသည်ဟု ယူဆကြပါစို့။ ၎င်းကိုအောင်မြင်ရန်၊ ကျွန်ုပ်တို့သည် NumPy နှင့် operator libraries နှစ်ခုလုံးကို အသုံးပြုပါမည်။

ပထမဦးစွာ လိုအပ်သော စာကြည့်တိုက်များကို တင်သွင်းရန် လိုအပ်ပါသည်။

import numpy as np
from operator import mul

ယခု NumPy ကို အသုံးပြု၍ array နှစ်ခုကို ဖန်တီးကြပါစို့။

array1 = np.array([1, 2, 3])
array2 = np.array([4, 5, 6])

ထို့နောက်၊ ဤ array နှစ်ခု၏ ဒြပ်စင်အလိုက် ပေါင်းလဒ်ကို တွေ့မည်ဖြစ်ပြီး၊ ထို့နောက် အော်ပရေတာ စာကြည့်တိုက်ကို အသုံးပြု၍ ရလဒ်ကို စတုရန်းပေးပါမည်။

result = np.square(list(map(mul, array1, array2)))
print(result)

ဤတွင်၊ ကျွန်ုပ်တို့သည် array1 နှင့် array2 ၏ သက်ဆိုင်ရာဒြပ်စင်များကို ပွားရန် `map()` နှင့် `operator.mul` လုပ်ဆောင်ချက်ကို အသုံးချပါသည်။ ထို့နောက် ရလဒ်တန်ဖိုးများကို နှစ်ထပ်ရန် `np.square` ကို အသုံးပြုသည်။

ဤကုဒ်ကိုအသုံးပြုပြီးနောက်၊ အထွက်သည်-

[ 4 25 36]

အပိုလုပ်ဆောင်ချက်များနှင့် နည်းပညာအချို့

နောက်ထပ် NumPy Array Functions များကို ရှာဖွေခြင်း။

NumPy တွင် arrays များပေါ်တွင် လုပ်ဆောင်ချက်များကို စီမံခန့်ခွဲရန်နှင့် လုပ်ဆောင်ရန် လုပ်ဆောင်ချက်များစွာ တပ်ဆင်ထားပါသည်။ ဤသည်မှာ ထင်ရှားသောလုပ်ဆောင်ချက်အချို့ဖြစ်သည်။

• numpy.concatenate- ရှိပြီးသားဝင်ရိုးတစ်လျှောက် နှစ်ခု သို့မဟုတ် ထို့ထက်ပိုသော array များကို ပေါင်းစပ်ပါ။
• numpy.vstack- input array များကို ဒေါင်လိုက် (အတန်းအလိုက်) stacks သည်။
• numpy.hstack- input array များကို အလျားလိုက် (column-wise) တွင်စုထားသည်။

အော်ပရေတာ စာကြည့်တိုက်သို့ နက်ရှိုင်းစွာ တူးပါ။

အော်ပရေတာစာကြည့်တိုက်သည် ဂဏန်းသင်္ချာနှင့် bitwise လုပ်ဆောင်ချက်များအတွက် အကန့်အသတ်မရှိပါ။ ၎င်းသည် ယုတ္တိဗေဒနှင့် နှိုင်းယှဉ်အော်ပရေတာများ၏ အကွာအဝေးကိုလည်း ထောက်ပံ့ပေးသည်။ မရှိမဖြစ်လုပ်ဆောင်ချက်အချို့ ပါဝင်သည်-

• operator.add: ဂဏန်းနှစ်လုံးထည့်သည်။
• operator.sub- ပထမနံပါတ်မှ ဒုတိယနံပါတ်ကို နုတ်ပါ။
• operator.eq: တန်းတူညီမျှမှုအတွက် ဂဏန်းနှစ်လုံးကို နှိုင်းယှဉ်ပါ။

NumPy နှင့် အော်ပရေတာ စာကြည့်တိုက်တို့ သည် သင်္ချာဆိုင်ရာ လုပ်ဆောင်ချက်များနှင့် ဒေတာ ခြယ်လှယ်ခြင်းဆိုင်ရာ သတ်မှတ်ချက်များတွင် Python ၏ စွမ်းရည်များကို တိုးမြှင့်ပေးသည်။ ဤစာကြည့်တိုက်များကို နားလည်ပြီး ထိရောက်စွာအသုံးပြုခြင်းဖြင့်၊ ကျွန်ုပ်တို့သည် ရှုပ်ထွေးသောပြဿနာများကို လျင်မြန်စွာနှင့် အားစိုက်ထုတ်ဖြေရှင်းနိုင်ပြီး Python ပရိုဂရမ်ကို developer များအတွက် ပိုမိုရရှိနိုင်ပြီး တက်ကြွစေသည်။