NumPy पायथन में वैज्ञानिक कम्प्यूटिंग का आधार है, और इसकी शक्ति मुख्य रूप से इसके N-आयामी सरणी ऑब्जेक्ट, ndarray में निहित है। प्रभावी NumPy उपयोग के लिए ndarrays में महारत हासिल करना आवश्यक है। यह ट्यूटोरियल ndarrays का एक व्यापक परिचय प्रदान करता है, जिसमें उनके निर्माण, गुण और मौलिक संचालन शामिल हैं।
विषयवस्तु की तालिका
Ndarray परिभाषा
एक NumPy ndarray (N-आयामी सरणी) एक समरूप, बहुआयामी कंटेनर है जो एक ही प्रकार और आकार के तत्वों को रखता है। इसे पायथन सूची का एक अत्यधिक अनुकूलित, परिष्कृत संस्करण मानें, जो कई आयामों (1D, 2D, 3D और उच्चतर) में डेटा को संभालने में सक्षम है। पायथन सूचियों के विपरीत, जिसमें विभिन्न डेटा प्रकारों के तत्व हो सकते हैं, ndarrays प्रकार की समरूपता लागू करते हैं, जिसके परिणामस्वरूप प्रदर्शन में पर्याप्त वृद्धि होती है। यह समरूपता वेक्टर संचालन को सक्षम बनाती है—तत्व द्वारा तत्व के बजाय पूरी सरणी पर एक साथ संचालन लागू करना, गति में भारी सुधार करता है।
मुख्य ndarray विशेषताएँ:
- समरूप: सभी तत्वों में एक ही डेटा प्रकार होता है।
- बहुआयामी: विभिन्न आयामों (1D वेक्टर, 2D मैट्रिक्स, 3D टेंसर्स, आदि) में डेटा का प्रतिनिधित्व करता है।
- निश्चित आकार: सरणी का आकार निर्माण के समय तय होता है और आकार बदलने में आमतौर पर एक नई सरणी बनाना शामिल होता है।
- वेक्टर संचालन: कुशल तत्व-वार और सरणी-स्तरीय संचालन का समर्थन करता है।
- मेमोरी दक्षता: सन्निहित मेमोरी ब्लॉक में डेटा संग्रहीत करता है, जिससे प्रदर्शन में वृद्धि होती है।
Ndarray निर्माण
NumPy के कार्यों का उपयोग करके ndarrays बनाना सरल है:
import numpy as np
# एक सूची से
arr_1d = np.array([1, 2, 3, 4, 5])
arr_2d = np.array([[1, 2, 3], [4, 5, 6]])
# विशेष कार्यों का उपयोग करके
arr_zeros = np.zeros((2, 3)) # शून्यों की सरणी
arr_ones = np.ones((3, 2)) # इकाइयों की सरणी
arr_arange = np.arange(10) # संख्याओं का क्रम
arr_linspace = np.linspace(0, 1, 5) # समान रूप से दूरी वाली संख्याएँ
arr_random = np.random.rand(2, 2) # यादृच्छिक संख्याएँ
print(arr_1d)
print(arr_2d)
print(arr_zeros)
print(arr_ones)
print(arr_arange)
print(arr_linspace)
print(arr_random)
Ndarray गुण
Ndarray ऑब्जेक्ट कई महत्वपूर्ण गुण प्रदान करते हैं जो उनके आकार, डेटा प्रकार, आकार और बहुत कुछ के बारे में जानकारी प्रदान करते हैं। इन गुणों को समझना प्रभावी ndarray हेरफेर के लिए महत्वपूर्ण है।
ndim: सरणी आयामों (अक्षों) की संख्या।shape: प्रत्येक आयाम के साथ सरणी के आकार को इंगित करने वाला एक टुपल (जैसे, 3×4 मैट्रिक्स के लिए (3, 4))।size: तत्वों की कुल संख्या।dtype: तत्वों का डेटा प्रकार (जैसे,int32,float64,bool)।itemsize: प्रत्येक तत्व का आकार (बाइट्स में)।nbytes: सरणी का कुल आकार (बाइट्स में) (itemsize * size)।
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print("आयामों की संख्या:", arr.ndim)
print("आकार:", arr.shape)
print("आकार:", arr.size)
print("डेटा प्रकार:", arr.dtype)
print("आइटम आकार:", arr.itemsize)
print("कुल बाइट्स:", arr.nbytes)
मूलभूत Ndarray संचालन
NumPy कुशल तत्व-वार और सरणी-स्तरीय संचालन प्रदान करता है। सरल अंकगणितीय संचालन (+, -, *, /, //, %, **) वेक्टरित हैं:
import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
print("जोड़:", arr1 + arr2)
print("घटाव:", arr1 - arr2)
print("गुणा:", arr1 * arr2)
print("भाग:", arr1 / arr2)
अधिक उन्नत संचालन (जैसे मैट्रिक्स गुणन, डॉट उत्पाद, आदि) भी आसानी से उपलब्ध हैं।