ဖြေရှင်းထားသည်- ဂဏန်းကျပန်းထည့်သွင်းမှုများကို ထပ်မပြုလုပ်ပါ။

ယနေ့ခေတ် ဒေတာ ခြယ်လှယ်ခြင်းနှင့် ခွဲခြမ်းစိတ်ဖြာခြင်းဆိုင်ရာ ကမ္ဘာတွင် ပေါ်ပေါက်လာသော ဘုံပြဿနာတစ်ခုမှာ တွင်ကျယ်စွာ လူကြိုက်များသော Python စာကြည့်တိုက် NumPy ကို အသုံးပြု၍ ထပ်ခါတလဲလဲ မဟုတ်သော ကျပန်းထည့်သွင်းမှုများကို ထုတ်ပေးခြင်းဖြစ်သည်။ ဤဆောင်းပါးသည် ဤပြဿနာအတွက် ကျယ်ကျယ်ပြန့်ပြန့်ဖြေရှင်းချက်ပေးရန် ရည်ရွယ်ထားပြီး၊ ကုဒ်၏အတွင်းပိုင်းလုပ်ဆောင်မှုများကို နက်ရှိုင်းစွာ စူးစမ်းလေ့လာကာ သက်ဆိုင်ရာစာကြည့်တိုက်များနှင့် လုပ်ဆောင်ချက်များကို စူးစမ်းရှာဖွေရန် ရည်ရွယ်ပါသည်။

NumPy သည် ကြီးမားသော ဘက်ပေါင်းစုံ အခင်းအကျင်းများနှင့် မက်ထရစ်များပေါ်တွင် အမျိုးမျိုးသော သင်္ချာနှင့် ကိန်းဂဏန်းဆိုင်ရာ လုပ်ဆောင်ချက်များကို လုပ်ဆောင်နိုင်စေသည့် အစွမ်းထက်သော စာကြည့်တိုက်တစ်ခုဖြစ်သည်။ ဒေတာခွဲခြမ်းစိတ်ဖြာခြင်းနှင့် စက်သင်ယူခြင်း၏ အရေးကြီးသောကဏ္ဍများထဲမှတစ်ခုမှာ NumPy ၏ကျပန်း module ကို အသုံးပြု၍ အောင်မြင်နိုင်သည့် ကျပန်းနံပါတ်များကို ဖန်တီးခြင်းဖြစ်သည်။ အချို့သောကိစ္စများတွင်၊ ဤကျပန်းထည့်သွင်းမှုများသည် ထူးခြားပြီး ထပ်တလဲလဲမဖြစ်ရန် ကျွန်ုပ်တို့ လိုအပ်နိုင်ပါသည်။ NumPy ကို အသုံးပြု၍ ၎င်းကို အောင်မြင်အောင် ပြုလုပ်နည်းကို အဆင့်ဆင့် လေ့လာကြည့်ကြပါစို့။

ဦးစွာ၊ လိုအပ်သော စာကြည့်တိုက်ကို တင်သွင်းပြီး NumPy ကို အသုံးပြု၍ ထပ်တလဲလဲမဟုတ်သော ကျပန်းထည့်သွင်းမှုများကို ထုတ်ပေးရန်အတွက် ဖြေရှင်းချက်ကို ဆွေးနွေးကြပါစို့။

import numpy as np

ထူးခြားသောကျပန်းနံပါတ်များထုတ်ပေးခြင်း။

ထပ်တလဲလဲမဟုတ်သော ကျပန်းထည့်သွင်းမှုများကို ထုတ်ပေးရန် ဖြေရှင်းချက်သည် ၎င်းကို နားလည်ခြင်းတွင် တည်ရှိသည်။ numpy.random module နှင့်၎င်း၏နည်းလမ်းများကိုထိရောက်စွာအသုံးချပါ။ အထူးသဖြင့်၊ numpy.random.choice() ထပ်ခါတလဲလဲမပြုလုပ်ရန် ရွေးချယ်မှုဖြင့် ပေးထားသော 1-D အခင်းအကျင်းမှ ကျပန်းနမူနာများကို ထုတ်လုပ်နိုင်သောကြောင့် လုပ်ဆောင်ချက်သည် ဤအခြေအနေတွင် အလွန်အသုံးဝင်ကြောင်း သက်သေပြပါသည်။

ကုဒ်ကို ခွဲခြမ်းစိပ်ဖြာပြီး ထူးခြားသော ကျပန်းနံပါတ်များ ထုတ်ပေးပုံကို နားလည်ကြပါစို့။

def unique_random_numbers(size, lower_limit, upper_limit):
    unique_numbers = np.random.choice(np.arange(lower_limit, upper_limit), size, replace=False)
    return unique_numbers

size = 10
lower_limit = 1
upper_limit = 101

unique_numbers = unique_random_numbers(size, lower_limit, upper_limit)
print(unique_numbers)

• အဆိုပါ unique_random_numbers() function သည် parameter သုံးခုယူသည်- ကျပန်းနံပါတ်များအတွက် လိုချင်သော array အရွယ်အစား၊ အောက်ခြေကန့်သတ်ချက်နှင့် အထက်ကန့်သတ်ချက်။ ဤဥပမာတွင်၊ ကျွန်ုပ်တို့သည် 10 နှင့် 1 ကြားတွင် ထူးခြားသောကျပန်းနံပါတ် 100 ကို ထုတ်လုပ်ရန် ရည်ရွယ်ပါသည်။
• လုပ်ဆောင်ချက်အတွင်းတွင်၊ ကျွန်ုပ်တို့အသုံးပြုသည်။ numpy.random.choice() ဖန်တီးထားသော အကွာအဝေးမှ အစိတ်အပိုင်းများကို ကျပန်းရွေးချယ်ရန် နည်းလမ်း numpy.arange() လုပ်ဆောင်ချက်။ replace=False argument သည် array အတွင်း ထပ်တလဲလဲ မဟုတ်သော ထည့်သွင်းမှုများကို သေချာစေသည်။
• လုပ်ဆောင်ချက်ကို သတ်မှတ်ပြီးနောက်၊ ကျွန်ုပ်တို့သည် ၎င်းကို သတ်မှတ်ထားသော တန်ဖိုးများဖြင့် ခေါ်ကာ ထပ်တလဲလဲမဟုတ်သော ကျပန်းနံပါတ်များ၏ ရလဒ်ထွက်ရှိသော အခင်းအကျင်းကို ပရင့်ထုတ်သည်။

numpy.random နှင့် numpy.arange နားလည်ခြင်း။

အဆိုပါ numpy.random module သည် ကျပန်းနံပါတ်များနှင့် နမူနာများကိုထုတ်ပေးရန်အတွက် အစွမ်းထက်သောကိရိယာတစ်ခုဖြစ်သည်။ ဤ module အတွင်းရှိ အသုံးများသောလုပ်ဆောင်ချက်အချို့ ပါဝင်သည်။ numpy.random.rand(), numpy.random.randn()နှင့် numpy.random.randint(). သို့သော်၊ ယခင်ကပြောခဲ့သည့်အတိုင်း၊ ဤပြဿနာအတွက်ကျွန်ုပ်တို့လိုအပ်သောလုပ်ဆောင်ချက်သည်ဖြစ်သည်။ numpy.random.choice().

numpy.arange() NumPy ဒစ်ဂျစ်တိုက်အတွင်းမှ လုပ်ဆောင်ချက်တစ်ခုဖြစ်ပြီး သတ်မှတ်ထားသည့်အကွာအဝေးအတွင်း တန်ဖိုးများ၏ အညီအမျှနေရာယူထားသော အစီအရီကို ပြန်ပေးရန်အတွက် အသုံးပြုသည်။ ၎င်းသည် ကန့်သတ်ချက်သုံးခုကို လက်ခံသည်- စတင်တန်ဖိုး၊ ရပ်တန့်မှုတန်ဖိုးနှင့် ခြေလှမ်းအရွယ်အစား။ ပုံမှန်အားဖြင့်၊ အဆင့်အရွယ်အစားသည် 1 ဖြစ်သည်။

ထူးခြားသောကျပန်းထည့်သွင်းမှုများထုတ်ပေးခြင်းလျှောက်လွှာ

တစ်မူထူးခြားသော ကျပန်းထည့်သွင်းမှုများကို ထုတ်ပေးခြင်းကဲ့သို့သော လက်တွေ့ကမ္ဘာအခြေအနေများစွာတွင် ၎င်း၏လက်တွေ့အသုံးပြုမှုများပါရှိသည်၊

• ဒေတာကို မွှေနှောက်နေသည်- စက်သင်ယူမှုတွင် မကြာခဏအသုံးပြုသည်၊ ဒေတာကို ရှပ်ခတ်ခြင်းသည် ဒေတာအချက်များ၏ အစီအစဥ်ကို ကျပန်းလုပ်ဆောင်ရန်၊ ဘက်လိုက်မှုများကို လျှော့ချရန်နှင့် မော်ဒယ်စွမ်းဆောင်ရည်ကို မြှင့်တင်ရာတွင် ကူညီပေးသည်။
• အစားထိုးခြင်းမရှိဘဲ နမူနာယူခြင်း- ကိန်းဂဏန်းစာရင်းဇယားများတွင်၊ ထပ်ခါတလဲလဲမဟုတ်သော ကျပန်းနမူနာကို ကိုယ်စားလှယ်နမူနာကို ပိုမိုများပြားသောလူဦးရေထံမှ ယူဆောင်ကြောင်းသေချာစေရန်အတွက် အသုံးပြုနိုင်သည်။
• ကျပန်းတာဝန်များကို ဖန်တီးခြင်း- ထပ်ခါတလဲလဲမလုပ်ဘဲ အုပ်စုတစ်ခုအတွင်း လုပ်ဆောင်စရာများ သို့မဟုတ် အရင်းအမြစ်များကို ဖြန့်ဝေခြင်းသည် ထူးခြားသောကျပန်းနံပါတ်များကို အသုံးပြုခြင်းဖြင့် အောင်မြင်နိုင်သည်။

နိဂုံးချုပ်အနေနှင့်၊ NumPy ကို အသုံးပြု၍ ထပ်တလဲလဲမဟုတ်သော ကျပန်းထည့်သွင်းမှုများကို ဖန်တီးခြင်းသည် numpy.random.choice() နည်းလမ်းကို အသုံးပြု၍ ရိုးရှင်းပြီး ထိရောက်မှုရှိပါသည်။ numpy.random နှင့် numpy.arange လုပ်ဆောင်ချက်များကို နားလည်ပြီး ၎င်းတို့၏အက်ပ်လီကေးရှင်းသည် ဒေတာခွဲခြမ်းစိတ်ဖြာမှု၊ စက်သင်ယူမှုနှင့် အခြားအရာများတွင် လက်တွေ့ကျသောအသုံးပြုမှုကိစ္စရပ်များကို ကိုင်တွယ်ဖြေရှင်းရာတွင် ကျွန်ုပ်တို့အား ခွန်အားဖြစ်စေပါသည်။