NumPy ပုံစံ ပေါင်း

NumPy အစိတ်အစိတ်ကို သတ်မှတ်ပါ

သတ်မှတ်ခြင်း သည် နှစ်ခုနှင့်အတူ အစိတ်အစိတ်များကို အစိတ်အစိတ်တစ်ခုတွင် ပေါင်းစပ်ခြင်းဖြစ်

SQL တွင် ကြီးမားသော အချက်အလက်များ အပေါ်မှ အစိတ်အစိတ်ကို သတ်မှတ်ပါ၊ သို့သော် NumPy တွင် အစိတ်အစိတ်ကို အရောင်းကြီးပိုင်း ဖြင့် သတ်မှတ်ပါ

ကျွန်တော်တို့ သုံးပြီး အသံသင့် နှင့် အဆက်အသွယ် ပေါင်းစပ်ကြသည်: concatenate() ပုဂ္ဂိုလ်ရေးသမား၏ အစိတ်အစိတ်အား ပြောင်းလဲပေးပါ၊ အခြား အရာကို ချဲ့ထားချိန်တွင် 0 အား သတ်မှတ်ပါ

အခြေခံ

နှစ်ခုခု အစိတ်အစိတ်ကို သတ်မှတ်ပါ

import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
arr = np.concatenate((arr1, arr2))
print(arr)

အခြေခံအကြောင်းကျ

အခြေခံ

နောက်ကျွန်း (axis=1) အစိတ်အစိတ်ကို နှစ်ခုမျှ 2-D အစိတ်အစိတ်ကို သတ်မှတ်ပါ

import numpy as np
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])
arr = np.concatenate((arr1, arr2), axis=1)
print(arr)

အခြေခံအကြောင်းကျ

使用堆栈函数连接数组

堆栈与级联相同，唯一的不同是堆栈是沿着新轴完成的。

တူညီသော အဆင်း အချက်အလက် တစ်ခု နှင့် ပြန်လည်တည်ဆောက်

ကျွန်တော်တို့ သုံးပြီး အသံသင့် နှင့် အဆက်အသွယ် ပေါင်းစပ်ကြသည်: concatenate() တုံ့ပြန်ရေး အချက်အလက်တွေ နှင့် အသံသင့်ကို ပေါင်းစပ်

အခြေခံ

import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
arr = np.stack((arr1, arr2), axis=1)
print(arr)

အခြေခံအကြောင်းကျ

အကြား တည်ဆောက်

NumPy က အကူအညီ အသံသင့်ကို ပြန်လည်ပေးသည်:hstack() အကြား တည်ဆောက်

အခြေခံ

import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
arr = np.hstack((arr1, arr2))
print(arr)

အခြေခံအကြောင်းကျ

စီးပွားရေး

NumPy က အကူအညီ အသံသင့်ကို ပြန်လည်ပေးသည်:vstack() စီးပွားရေး

အခြေခံ

import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
arr = np.vstack((arr1, arr2))
print(arr)

အခြေခံအကြောင်းကျ

အမြင့် နှင့် ပြန်လည်တည်ဆောက်

NumPy က အကူအညီ အသံသင့်ကို ပြန်လည်ပေးသည်:dstack() အမြင့် နှင့် အညွှန်း အတူ ပြန်လည်တည်ဆောက်

အခြေခံ

import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
arr = np.dstack((arr1, arr2))
print(arr)

အခြေခံအကြောင်းကျ