NumPy စကာတင် အချင်း

NumPy တန်ဖိုး အပေးအသားချက် ပြုလုပ်ပါ

တန်ဖိုး အပေးအသားချက် ပြုလုပ် သော တန်ဖိုး ကို အပေးအသားချက် ပြုလုပ်ပါ

တန်ဖိုး အပေးအသားချက် ပြုလုပ် သော တန်ဖိုး ကို အပေးအသားချက် ပြုလုပ်ပါ

ကျွန်တော် သုံးဆောင်ပါ array_split() အပေးအသားချက် ပြုလုပ် သော တန်ဖိုး ကို အပေးအသားချက် ပြုလုပ်ပါ

အကြောင်းကျည်း

တန်ဖိုး ၃ ခု အပေးအသားချက် ပြုလုပ်ပါ

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

အခြေခံ အကြောင်းကျည်း တင်

အစီရင်ခံစာအပေးအသားချက် ပြုလုပ် သော အပေးအသားချက် ပြုလုပ် သော တန်ဖိုး ကို အားကြောင်းကျသော အပေးအသားချက် ပြုလုပ်ပါ

တန်ဖိုး အပေးအသားချက် ပြုလုပ် သော တန်ဖိုး ကို လက်ခံသော အပေးအသားချက် ပြုလုပ် သော တန်ဖိုး ကို အားကြောင်းကျသော အပေးအသားချက် ပြုလုပ်ပါ

အကြောင်းကျည်း

တန်ဖိုး ၄ ခု အပေးအသားချက် ပြုလုပ်ပါ

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

အခြေခံ အကြောင်းကျည်း တင်

အကြံပေးကျွန်တော် လည်း split() အပေးအသားချက် ပြုလုပ် သော အပေးအသားချက် ပြုလုပ် သော တန်ဖိုး ကို အားကြောင်းကျသော အပေးအသားချက် ပြုလုပ်ပါarray_split() အပေးအသားချက် ပြုလုပ် သော အပေးအသားချက် ပြုလုပ် သော တန်ဖိုး ကို အားကြောင်းကျသော အပေးအသားချက် ပြုလုပ်ပါ split() အပေးအသားချက် ပြုလုပ် သော အပေးအသားချက် ပြုလုပ် သော တန်ဖိုး ကို အားကြောင်းကျသော အပေးအသားချက် ပြုလုပ်ပါ

တန်ဖိုး အပေးအသားချက် ပြုလုပ်ပါ

array_split() အပေးအသားချက် ပြုလုပ် သော အပေးအသားချက် ပြုလုပ် သော တန်ဖိုး ကို အားကြောင်းကျသော အပေးအသားချက် ပြုလုပ်ပါ

တန်ဖိုး ၃ ခု ဖြင့် အပေးအသားချက် ပြုလုပ်ပါက အပေးအသားချက် ပြုလုပ် သော တန်ဖိုး ကို အားကြောင်းကျသော အပေးအသားချက် ပြုလုပ်ပါ

အကြောင်းကျည်း

အပေးအသားချက် ပြုလုပ် သော တန်ဖိုး ကို အားကြောင်းကျသော အပေးအသားချက် ပြုလုပ်ပါ

import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6])
newarr = np.array_split(arr, 3)
print(newarr[0])
print(newarr[1])
print(newarr[2])

အခြေခံ အကြောင်းကျည်း တင်

နှစ်ဆက်တန်း တန်ဖိုး အပေးအသားချက် ပြုလုပ်ပါ

အချက်အလက် တူညီ ပြီး နှစ်ဆက်တန်း တန်ဖိုး ကို အပေးအသားချက် ပြုလုပ်ပါ

အသုံးပြုပါ array_split() လိုသော တန်ဖိုး ကို ဝင်ပေး ပြီး သုံးဆောင်သော တန်ဖိုး ကို အပေးအသားချက် ပြုလုပ်ပါ

အကြောင်းကျည်း

把这个 2-D 拆分为三个 2-D 数组。

import numpy as np
arr = np.array([[1, 2], [3, 4], [5, 6], [7, 8], [9, 10], [11, 12]])
newarr = np.array_split(arr, 3)
print(newarr)

အခြေခံ အကြောင်းကျည်း တင်

上例返回三个 2-D 数组。

让我们看另一个例子，这次 2-D 数组中的每个元素包含 3 个元素。

အကြောင်းကျည်း

把这个 2-D 拆分为三个 2-D 数组。

import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12], [13, 14, 15], [16, 17, 18]])
newarr = np.array_split(arr, 3)
print(newarr)

အခြေခံ အကြောင်းကျည်း တင်

上例返回三个 2-D 数组。

此外，您可以指定要进行拆分的轴。

下面的例子还返回三个 2-D 数组，但它们沿行 (axis=1) 分割。

အကြောင်းကျည်း

အကြောင်းကျည်း ကို စခု 2-D အချက်အလက် အတွက် ခွဲခြားထား

import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12], [13, 14, 15], [16, 17, 18]])
newarr = np.array_split(arr, 3, axis=1)
print(newarr)

အခြေခံ အကြောင်းကျည်း တင်

အခြား ပြည်ထောင်စု တစ်ခု ဖြစ် hstack() တရားဥပဒေ hsplit()。

အကြောင်းကျည်း

hsplit() နည်းလမ်း ကို အသုံးပြု၍ 2-D အချက်အလက် ကို စခု 2-D အချက်အလက် အတွက် ခွဲခြားထား

import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12], [13, 14, 15], [16, 17, 18]])
newarr = np.hsplit(arr, 3)
print(newarr)

အခြေခံ အကြောင်းကျည်း တင်

အကြံပေးvsplit() နှင့် dsplit() အသုံးပြု နိုင် vstack() နှင့် dstack() အတူတူ ပြောင်းလဲခြင်း