தீர்க்கப்பட்டது: நம்பி அணிவரிசையில் வரிசைப்பட்டியலில் இருந்து ஒற்றை உறுப்பை எவ்வாறு பெறுவது

நிரலாக்க உலகில், தரவை எவ்வாறு திறம்பட கையாள்வது மற்றும் கையாள்வது என்பதை அறிந்து கொள்வது அவசியம். டெவலப்பர்கள் தரவுகளுடன் திறமையாக வேலை செய்ய அனுமதிக்கும் ஒரு பிரபலமான நிரலாக்க மொழி பைதான். அதன் பல்துறை மற்றும் ஏராளமான நூலகங்களுக்கு நன்றி, பைதான் டெவலப்பர்கள் மற்றும் தரவு விஞ்ஞானிகளிடையே மிகவும் பிடித்தது. அத்தகைய நூலகம் ஒன்று நம்பி, இது வரிசைகள் மற்றும் எண் செயல்பாடுகளுடன் பணிபுரிவதில் நிபுணத்துவம் பெற்றது. இந்தக் கட்டுரையில், NumPy வரிசையில் உள்ள ArrayList இலிருந்து ஒரு தனிமத்தை எப்படிப் பெறுவது, பயன்படுத்தப்படும் நூலகங்கள் மற்றும் செயல்பாடுகளைப் பற்றி விவாதிப்பது மற்றும் இந்த பைதான் கருவிகளின் வரலாற்றை ஆராய்வது எப்படி என்பதை ஆராய்வோம்.

NumPy, என்பதன் சுருக்கம் எண்ணியல் மலைப்பாம்பு, பல்வேறு கணித மற்றும் எண்ணியல் செயல்பாடுகளுக்குப் பயன்படுத்தப்படும் சக்திவாய்ந்த நூலகம். NumPy இன் முக்கிய கவனம் அதன் என்டர்ரே பொருள், இது பல பரிமாண வரிசையாகும், இது பெரிய அளவிலான தரவைச் சேமித்து கையாள முடியும். ArrayList இலிருந்து ஒரு தனிமத்தை மீட்டெடுக்க, இந்த பயனுள்ள நூலகத்தால் வழங்கப்படும் நடைமுறைச் செயலாக்கத்தை நாம் ஆராய வேண்டும்.

import numpy as np

# Creating a NumPy array
array = np.array([1, 2, 3, 4, 5])

# Accessing a single element
element = array[2]
print("Single Element from ArrayList in NumPy Array: ", element)

மேலே உள்ள குறியீடு துணுக்கில், முதலில் NumPy நூலகத்தை இவ்வாறு இறக்குமதி செய்கிறோம் np. இதைத் தொடர்ந்து, நாம் ஒரு NumPy வரிசையை உருவாக்குகிறோம் வரிசை இதில் 1, 2, 3, 4, மற்றும் 5 ஆகிய உறுப்புகள் உள்ளன. ஒரு தனிமத்தை அணுக, வரிசை அட்டவணைப்படுத்தலைப் பயன்படுத்துகிறோம். குறியீட்டு 0 இலிருந்து தொடங்குகிறது, எனவே மூன்றாவது உறுப்பை அணுக (இது 2 இன் குறியீட்டைக் கொண்டுள்ளது), நாங்கள் பயன்படுத்துகிறோம் வரிசை[2]. இது 3 இல் சேமிக்கப்பட்ட மதிப்பை வழங்குகிறது உறுப்பு மாறி மற்றும் கன்சோலில் அச்சிடப்பட்டது.

NumPy வரிசைகளுடன் பணிபுரிதல்

NumPy வரிசைகள் NumPy நூலகத்தின் இன்றியமையாத அங்கமாகும். பாரம்பரிய பைதான் பட்டியல்களுடன் ஒப்பிடும்போது அவை மிகவும் திறமையான மற்றும் வேகமான தரவைக் கையாளும் வழியை வழங்குகின்றன. ndarray ஆப்ஜெக்ட் கணித செயல்பாடுகளைச் செய்வதையும் தேவைக்கேற்ப தரவை மறுவடிவமைப்பதையும் எளிதாக்குகிறது.

• வரிசைகளை உருவாக்குதல்: NumPy இல் வரிசைகளை உருவாக்க பல வழிகள் உள்ளன. சில பொதுவான முறைகள் அடங்கும் np.array(), np.zeros(), மற்றும் np.ones(). இந்த செயல்பாடுகள் தேவையான பரிமாணங்கள் மற்றும் தரவு வகையுடன் வரிசைகளை துவக்க உதவுகின்றன.
• அணுகல் கூறுகள்: ஒற்றை உறுப்புகளை அட்டவணைப்படுத்தலைப் பயன்படுத்தி அணுகலாம், அதே சமயம் பல கூறுகளை ஸ்லைசிங் அல்லது ஃபேன்சி இன்டெக்சிங் மூலம் அணுகலாம்.
• மறுவடிவமைத்தல் மற்றும் மறுஅளவிடுதல்: NumPy வரிசைகளை மறுவடிவமைக்கலாம் மற்றும் மறுஅளவிடலாம் மறுவடிவம்() மற்றும் அளவை () செயல்பாடுகள். இந்த செயல்பாடுகள் தரவை மாற்றாமல் வரிசையின் பரிமாணங்களை மாற்ற உதவுகின்றன.

பைதான் மற்றும் அதன் எண்ணற்ற நூலகங்கள்

பைதான் அதன் எளிமை மற்றும் வாசிப்புத்திறன் காரணமாக பல ஆண்டுகளாக பெரும் புகழைப் பெற்றுள்ளது. அதன் பயன்பாட்டின் எளிமையைத் தவிர, பைதான் பரந்த அளவிலான நூலகங்கள் மற்றும் தொகுதிகளை வழங்குகிறது, அவை அதை மிகவும் திறமையாகவும் சக்திவாய்ந்ததாகவும் ஆக்குகின்றன.

சில பிரபலமான பைதான் நூலகங்கள் பின்வருமாறு:

• நம்பி: முன்பே குறிப்பிட்டது போல், எண் மற்றும் அறிவியல் கணக்கீடுகளுக்கு NumPy என்பது செல்ல வேண்டிய தேர்வாகும்.
• பாண்டாக்கள்: தரவு கையாளுதல் மற்றும் பகுப்பாய்விற்காக பிரத்யேகமாக உருவாக்கப்பட்ட ஒரு நூலகம், டேட்டாஃப்ரேம் மற்றும் தரவை கையாள்வதற்கான தொடர் தரவு கட்டமைப்புகளை வழங்குகிறது.
• மேட்ப்ளோட்லிப்பல தனிப்பயனாக்குதல் விருப்பங்களை வழங்கும் பல்வேறு தரவுத்தொகுப்புகளிலிருந்து 2டி அடுக்குகள் மற்றும் வரைபடங்களை உருவாக்க பயன்படும் நூலகம்.
• SciPy: NumPy இல் கட்டப்பட்ட ஒரு நூலகம், இது அறிவியல் மற்றும் தொழில்நுட்பக் கம்ப்யூட்டிங்கிற்கான கூடுதல் செயல்பாட்டை வழங்குகிறது.

பைத்தானின் சக்தி மற்றும் அதன் பரந்த அளவிலான நூலகங்கள் இணைய மேம்பாடு, தரவு பகுப்பாய்வு, செயற்கை நுண்ணறிவு மற்றும் இயந்திர கற்றல் உள்ளிட்ட பல்வேறு களங்களில் மதிப்புமிக்க கருவியாக மாற்றியுள்ளன. இந்த நூலகங்களை மாஸ்டரிங் செய்வதன் மூலம், டெவலப்பர்கள் சிக்கலான பிரச்சனைகளை திறம்பட தீர்க்க முடியும் மற்றும் ஃபேஷன் மற்றும் அதற்கு அப்பால் உள்ள உலகத்திற்கான அதிநவீன தீர்வுகளை உருவாக்க முடியும்.