NumPy అర్రే శోధన
- ముందు పేజీ NumPy అర్రే విభజన
- తరువాత పేజీ NumPy అర్రే క్రమబద్ధీకరణ
NumPy అంకురాలను విభజించండి
విభజన అనేది అనుసంధానం యొక్క విపరీతం.
అనుసంధానం (Joining) అనేది అనేక అంకురాలను ఒక అంకురంగా కలపడం, విభజన (Spliting) అనేది ఒక అంకురాన్ని అనేక అంకురాలుగా విభజించడం.
మేము ఉపయోగిస్తున్నాము array_split()
అంకురాన్ని విభజించడానికి, విభజించబడిన అంకురాన్ని మరియు విభజించబడిన సంఖ్యను దానికి అందించండి.
ఉదాహరణ
అంకురాన్ని 3 భాగాలుగా విభజించండి:
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6]) newarr = np.array_split(arr, 3) print(newarr)
కోమ్మెంట్స్:అందించబడిన అంకురాన్ని అంకురాలుగా అందిస్తుంది.
అంకురాన్ని అంకురాల సంఖ్యలో తక్కువగా ఉన్నప్పుడు, అంతిమ అంకురాన్ని సరికూర్చబడింది అని అనుకుంటున్నారు.
ఉదాహరణ
అంకురాన్ని 4 భాగాలుగా విభజించండి:
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6]) newarr = np.array_split(arr, 4) print(newarr)
సూచన:మనకు కూడా ఉంది split()
మాదిరిగా అంకురాన్ని ఉపయోగించినప్పుడు, అంకురాన్ని విభజించినప్పుడు అంకురాలను సరికూర్చబడదు అని అనుకుంటున్నారు.array_split()
సాధారణంగా పని చేస్తుంది, కానీ split()
అది విఫలం కాగలదు.
అంకురాన్ని విభజించండి
array_split()
ఈ మాదిరిగా అంకురాన్ని అందిస్తుంది.
ఒక అంకురాన్ని 3 అంకురాలుగా విభజించినప్పుడు, వాటిని అంకురాల రూపంలో అందుబాటులో ఉంచవచ్చు:
ఉదాహరణ
విభజించబడిన అంకురాన్ని పొందండి:
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])
రెండుదాని అంకురాన్ని ఉపయోగించండి.
రెండుదాని అంకురాన్ని ఉపయోగించండి.
ఉపయోగించండి array_split()
మాదిరిగా వింటున్న క్రమంలో అంకురాన్ని మరియు వింటున్న సంఖ్యను దానికి అందించండి.
ఉదాహరణ
2-D ను మూడు 2-D లకు చీల్చండి.
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)
పై ఉదాహరణలో మూడు 2-D అర్థంలో తిరిగి వచ్చినవి.
మరొక ఉదాహరణ చూడండి, ఈ సారినుండి 2-D అర్థంలో ప్రతి మూడు అంశాలను చూపిస్తుంది.
ఉదాహరణ
2-D ను మూడు 2-D లకు చీల్చండి.
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)
పై ఉదాహరణలో మూడు 2-D అర్థంలో తిరిగి వచ్చినవి.
మరియు, మీరు చీల్చడానికి ఉద్దేశించిన అక్షాన్ని నిర్దేశించవచ్చు.
ఈ ఉదాహరణలో మూడు 2-D అర్థంలో అవసరమైనట్లుగా తిరిగి వచ్చినవి మూడు 2-D అర్థంలో అవసరమైనట్లుగా తిరిగి వచ్చినవి.
ఉదాహరణ
రాకపోరాకు విధంగా ఈ 2-D ను మూడు 2-D లకు చీల్చండి.
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)
మరొక పరిష్కారం ఉపయోగించవచ్చు మరియు hstack()
విపరీతంగా hsplit()
.
ఉదాహరణ
2-D అర్థంలో రాకపోరాకు విధంగా hsplit() మార్గం ఉపయోగించండి.
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)
సూచన:vsplit()
మరియు dsplit()
ఉపయోగించవచ్చు మరియు vstack()
మరియు dstack()
సమానమైన ప్రత్యామ్నాయ పద్ధతులు
- ముందు పేజీ NumPy అర్రే విభజన
- తరువాత పేజీ NumPy అర్రే క్రమబద్ధీకరణ