نمپی کی معرفت

ایک NumPy ndarray بلاک بنائیں

NumPy آرائیجی بلاک بنانے کے لئے array()。

آپ کا استعمال کرسکتا ہے، تو ، ایک NumPy آرائیجی بلاک بنائیں array() بلاک

نمونہ

ایمپورٹ نپایوایز کیاس نپ 
arr = np.array([1, 2, 3, 4, 5])
پرنٹ(arr)
print(type(arr))

نمونہ چلانا

type(): یہ داخلی پائینتار پیٹا بلاک نے اس کی جانکاری دی ہے کہ اس کو کس طرح کا بلاک دیا گیا ہے۔ جیسا کہ اپنے اشاروں میں دیکھا جاتا ہے، وہ arr یہ numpy.ndarray نوع

ایک آرائیجی بنانے کے لئے array()ماں بلاک، لیکن جس کا استعمال کیا جاتا ہے، تو ، تبدیل کیا جائے گا، تو array()طریقہ، جس کے بعد وہ

نمونہ

ndarray

ایمپورٹ نپایوایز کیاس نپ 
،
پرنٹ(arr)

نمونہ چلانا

بلاک 1، 2، 3، 4، 5) کا استعمال کرکے NumPy آرائیجی بنائیں:

آرائیجی میں کا ابعاد

آرائیجی میں کا ابعاد آرائیجی کی گہرائی (منجمد آرائیجی) کا ایک درجہ ہوتا ہے。منجمد آرائیجی:

یہ آرائیجی کو عناصر کا آرائیجی کہا جاتا ہے。

0-D آرائیجی

نمونہ

0-D آرائیجی یا اسکالر (Scalars)، آرائیجی میں کی جانے والی چیزیں ہیں۔ آرائیجی میں ہر ایک قیمت ایک 0-D آرائیجی ہوتی ہے。

ایمپورٹ نپایوایز کیاس نپ
بلاک 61 کا استعمال کرکے 0-D آرائیجی بنائیں:
پرنٹ(arr)

نمونہ چلانا

1-D آرائیجی

یہ عناصر 0-D آرائیجی کا آرائیجی ہیں، جس کو ایک درجہ یا 1-D آرائیجی کہا جاتا ہے。

یہ سب سے عام اور بنیادی آرائیجی ہیں。

نمونہ

بلاک 1، 2، 3، 4، 5، 6 کا استعمال کرکے 1-D آرائیجی بنائیں:

ایمپورٹ نپایوایز کیاس نپ
arr = np.array([1, 2, 3, 4, 5, 6])
پرنٹ(arr)

نمونہ چلانا

2-D آرائیجی

یہ عناصر 1-D آرائیجی کا آرائیجی ہیں، جس کو 2-D آرائیجی کہا جاتا ہے。

انہیں عام طور پر ماتریس یا دو درجہ کے تانگوں کی نمائش کے لئے استعمال کیا جاتا ہے。

NumPy میں مخصوص طور پر ماتریس کاروبار کا ایک مکمل ماڈول ہے numpy.mat。

نمونہ

2-D آرائیجی بنائیں جو بلاک 1، 2، 3 اور 4، 5، 6 کا بلاک کا استعمال کرتا ہوا آپ کا آرائیجی بنائیں:

ایمپورٹ نپایوایز کیاس نپ
arr = np.array([[1, 2, 3], [4, 5, 6]])
پرنٹ(arr)

نمونہ چلانا

3-D آرائیجی

یہ عناصر 2-D آرائیجی کا آرائیجی ہیں، جس کو 3-D آرائیجی کہا جاتا ہے。

نمونہ

دو 2-D آرائیجی کا استعمال کرکے ایک 3-D آرائیجی بنائیں، جو بلاک 1، 2، 3 اور 4، 5، 6 کا بلاک کا استعمال کرتا ہوا آپ کا آرائیجی بنائیں:

ایمپورٹ نپایوایز کیاس نپ
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
پرنٹ(arr)

نمونہ چلانا

کا ابعاد کا پتھار کا معائنہ کرسکتا ہے؟

NumPy کا آرائیجی اپنے آرائیجی میں مکمل طور پر مخصوص ماڈول فراہم کرتا ہے ndim پیمانہ، جس سے آپ کو آپ کا ابعاد کی تعداد جانا ہوگی، یہ ایک پیمانہ ہوگا جو کا ابعاد کی تعداد کا پتھار دیکھائے گا。

نمونہ

مقابل کا ابعاد کی تعداد کا پتھار

ایمپورٹ نپایوایز کیاس نپ
a = نپایوایز(42)
b = نپایوایز(1, 2, 3, 4, 5))
c = نپایوایز([[1, 2, 3], [4, 5, 6]])
d = نپایوایز([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
پرنٹ(a.ndim) 
پرنٹ(b.ndim) 
پرنٹ(c.ndim) 
پرنٹ(d.ndim)

نمونہ چلانا

اعلیٰ ابعاد والا آرایے

آرایے کی کسی بھی تعداد کی ابعاد کا حامل ہو سکتا ہے。

ایک آرایے بنانے کے دوران، ndmin پارامتر تعریف ابعاد

نمونہ

ایک پانچویں ابعاد والا آرایے بنائیں، اور اس کا پانچویں ابعاد کا اندازہ لائیں:

ایمپورٹ نپایوایز کیاس نپ
arr = نپایوایز(1, 2, 3, 4, 5), ndmin=5)
پرنٹ(arr)
پرنٹ('اعداد کی ابعاد :', arr.ndim)

نمونہ چلانا

ایک آرایے میں، سب سے اندرونی ابعاد (پانچویں ڈیم) چار عناصر ہیں، چوتھویں ڈیم میں ایک عنصر ایک ویکٹر کے طور پر موجود ہے، تیسرے ڈیم میں ایک عنصر ویکٹر کے طور پر ایک ماتریس ہے، دوسرے ڈیم میں ایک عنصر 3D آرایے کا ہے، اور پہلے ڈیم میں ایک عنصر 4D آرایے کا ہے。