نمپی کا آرائی کا ری شپ

آرایے کی ری شپ

ری شپ کا مطلب آرایے کی شکل کو تبدیل کرنا ہے。

آرایے کی شکل ہر ابعاد میں عنصر کی تعداد ہے。

ری شپ کے ذریعے، ہم ابعاد اضافہ کرسکتے ہیں یا حذف کرسکتے ہیں یا ہر ابعاد میں عنصر کی تعداد کو تبدیل کرسکتے ہیں。

1-D سے 2-D میں ری شپ کریں

مثال

12 عنصر والی 1-D آرایہ کو 2-D آرایہ میں تبدیل کریں。

بہترین ابعاد کو 4 آرایے کا حامل 3 عنصر والا ہوگا:

import numpy as np
آر. = نپ.آرایہ([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])
نئی آرایہ = آر.ریشپ(4, 3)
print(newarr)

چلانے والا مثال

1-D سے 3-D میں ری شپ کریں

مثال

12 عنصر والی 1-D آرایہ کو 3-D آرایہ میں تبدیل کریں。

بہترین ابعاد کو 2 آرایے کا حامل 3 آرایے کا حامل 2 عنصر والا ہوگا:

import numpy as np
آر. = نپ.آرایہ([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])
نئی آرایہ = آر.ریشپ(2, 3, 2)
print(newarr)

چلانے والا مثال

آیا ہم کسی بھی شکل میں ری شپ کرسکتے ہیں؟

آری، اگرکام کے لیے ضروری عنصر دونوں شکلوں میں مساوی ہوں تو۔

ہم 8 عنصر والی 1D آرایہ کو 2 سطر والی 2D آرایہ میں 4 عنصر والی تبدیل کرسکتے ہیں، لیکن ہم نہیں تبدیل کرسکتے کیونکہ اس میں 3x3 = 9 عنصر کی ضرورت ہوگی۔

مثال

8 عنصر والی 1D آرایہ کو ہر ابعاد میں 3 عنصر والی 2D آرایہ میں تبدیل کریں (غیرممکن ہوگا):

import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7, 8])
نئی آرایہ = آر.ریشپ(3, 3)
print(newarr)

چلانے والا مثال

نمونہ یا منظر واپس کریں؟

مثال

مترسی کریں کہ واپس کئے گئے آرایہ نمونہ یا منظر ہے یا نہیں:

import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7, 8])
پرنٹ(آر.ریشپ(2, 4).بیس)

چلانے والا مثال

مذکورہ مثال وہی نما لہذا وہ ایک ویو ہیں

نامعلوم مدیریتی نمبر

آپ کو ایک‘نامعلوم’مدیریتی نمبر استعمال کرسکتا ہے۔

یہ معنات کہ آپ کو reshape میں کوئی بھی مدیریتی نمبر مخصوص نہیں کرنا پڑتا ہے۔

دینا -1 ایک نمبر، NumPy آپ کیلئے اس کا اعداد شمار کرسکتا ہے۔

مثال

8 کا ایک 1D نما لگا سکتے ہیں، جو 2x2 کا 3D نما بنائیں:

import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7, 8])
newarr = arr.reshape(2, 2, -1)
print(newarr)

چلانے والا مثال

تذکرہ:ہم نما لگا سکتے ہیں -1 ایک سے زیادہ مدیریتی کی شکل کو دینا

نما لگا سکتے ہیں

عدد کی کثیر مدیریتی شکل کو ایک 1D نما لگا سکتے ہیں، جو کثیر مدیریتی نما کو ایک ایک مدیریتی نما میں تبدیل کرنا ہوتا ہے۔

ہم استعمال کرسکتے ہیں reshape(-1) یہ کار کردیئے جاسکتا ہے

مثال

ایک نما لگا سکتے ہیں:

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

چلانے والا مثال

تذکرہ:بسیار کچھ طو رتیں ہیں جو numpy flatten،ravel میں اعداد کی شکل کو تبدیل کرسکتے ہیں، اور وہیں عناصر کو دوبارہ ترتیب دینے کے لئے rot90،flip،fliplr،flipud جیسے کچھ استعمال کرسکتے ہیں۔ یہ طو رتیں numpy کی وسطی اور اعلیٰ سطح کا حصہ ہیں。