Dina taun-taun ayeuna, panggunaan Python dina sagala rupa widang parantos ningkat sacara éksponénsial, khususna dina widang manipulasi data sareng komputasi ilmiah. Salah sahiji perpustakaan anu paling sering dianggo pikeun tugas ieu nyaéta NumPy. NumPy mangrupikeun perpustakaan anu kuat sareng serbaguna anu dianggo sacara éksténsif pikeun damel sareng arrays sareng matriks multidimensional anu ageung, diantara fungsi matematika anu sanés. Hiji operasi umum dina gawé bareng struktur data ieu téh kudu ambruk atawa ngurangan diménsi panungtungan hiji Asép Sunandar Sunarya. Dina tulisan ieu, urang bakal ngajalajah topik ieu sacara rinci, dimimitian ku bubuka masalah, dituturkeun ku solusi, sareng panjelasan léngkah-léngkah kodeu. Ahirna, urang bakal ngalenyepan sababaraha topik sareng perpustakaan anu aya hubunganana anu tiasa dipikaresep.
Anu peryogi ambruk dimensi panungtungan tina hiji Asép Sunandar Sunarya bisa timbul dina sagala rupa kaayaan, kayaning mun anjeun geus diitung hasil tina Asép Sunandar Sunarya multidimensional tur hoyong ménta hiji basajan, ngurangan ngagambarkeun data. Operasi ieu dasarna ngalibatkeun transformasi array aslina kana hiji kalawan ukuran pangsaeutikna ku ngaleungitkeun, atawa ambruk, dimensi panungtungan sapanjang sumbu na.
Daptar eusi
Solusi: Ngagunakeun np.squeeze
Salah sahiji cara pikeun ngatasi masalah ieu nyaéta ngagunakeun éta numpy.meres fungsi. Pungsi ieu ngaleungitkeun éntri diménsi tunggal tina wangun array input.
import numpy as np
arr = np.random.rand(2, 3, 1)
print("Original array shape:", arr.shape)
collapsed_arr = np.squeeze(arr, axis=-1)
print("Collapsed array shape:", collapsed_arr.shape)
Léngkah-léngkah Penjelasan
Hayu urang ayeuna ngarecah kode jeung ngarti kumaha gawéna.
1. Kahiji, urang ngimpor perpustakaan NumPy sakumaha np:
import numpy as np
2. Salajengna, urang nyieun Asép Sunandar Sunarya 3 diménsi acak kalayan bentuk (2, 3, 1):
arr = np.random.rand(2, 3, 1)
print("Original array shape:", arr.shape)
3. Ayeuna, urang nganggo np.mesek fungsi pikeun ambruk diménsi panungtungan of Asép Sunandar Sunarya ku nangtukeun as parameter salaku -1:
collapsed_arr = np.squeeze(arr, axis=-1)
print("Collapsed array shape:", collapsed_arr.shape)
4. Hasilna, urang ménta Asép Sunandar Sunarya anyar kalawan bentuk (2, 3), nunjukkeun yén diménsi panungtungan geus junun rubuh.
Solusi Alternatif: Reshape
Cara séjén pikeun ambruk diménsi panungtungan nyaéta ku ngagunakeun numpy.ngabentuk deui fungsi jeung parameter ditangtoskeun pikeun ngahontal hasil nu dipikahoyong.
collapsed_arr_reshape = arr.reshape(2, 3)
print("Collapsed array shape using reshape:", collapsed_arr_reshape.shape)
Dina hal ieu, urang geus eksplisit reshaped Asép Sunandar Sunarya aslina boga bentuk (2, 3), éféktif ambruk dimensi panungtungan.
Patali Perpustakaan jeung Fungsi
Salian ti NumPy, aya sababaraha perpustakaan sanés dina ékosistem Python anu nawiskeun alat pikeun damel sareng susunan sareng matriks. Salah sahiji perpustakaan sapertos kitu SciPy, anu ngawangun kana NumPy sareng nyayogikeun fungsionalitas tambahan pikeun komputasi ilmiah. Dina ranah pembelajaran mesin, perpustakaan TensorFlow ogé jalan kalawan tensors (ie, arrays multi-dimensi) jeung nyadiakeun set sorangan fungsi manipulasi matrix. Salaku tambahan, éta pandas perpustakaan bisa dipaké pikeun ngamanipulasi DataFrames, struktur data tingkat luhur nu bisa dianggap salaku tabel ngandung arrays. Saterusna, éta numpy.newaxis operasi ngidinan Anjeun pikeun nambahkeun hiji sumbu anyar pikeun Asép Sunandar Sunarya, nu bisa jadi mangpaat mun anjeun kudu dilegakeun diménsi Asép Sunandar Sunarya pikeun cocog bentuk diperlukeun pikeun operasi.
Kasimpulanana, kamampuan pikeun ngamanipulasi sareng damel sareng arrays sacara efektif mangrupikeun kaahlian penting dina dunya program sareng élmu data. NumPy mangrupikeun perpustakaan anu kuat pisan anu nyayogikeun fungsionalitas anu luas, sareng ngartos téknik sapertos runtuh diménsi anu terakhir bakal aya mangpaatna dina sababaraha kaayaan nalika ngurus set data anu ageung sareng kompleks.
