Numpy ကိုအသုံးပြုရန် အလွယ်ကူဆုံးနည်းလမ်း- numpy ကို np အဖြစ် တင်သွင်းပါ။

NumPy သည် Numerical Python ၏ အတိုကောက်ဖြစ်ပြီး Python ပရိုဂရမ်းမင်းဘာသာစကားဖြင့် တည်ဆောက်ထားသော သိပ္ပံနည်းကျ ကွန်ပျူတာစာကြည့်တိုက်တစ်ခုဖြစ်သည်။

သင်၏ Python ပတ်ဝန်းကျင်သို့ NumPy တင်သွင်းရန် အသုံးအများဆုံးနည်းလမ်းမှာ အောက်ပါ syntax ကို အသုံးပြုခြင်းဖြစ်သည် ။

 import numpy as np

ကုဒ်၏ နံပါတ်အပိုင်းကို တင်သွင်းခြင်းသည် NumPy စာကြည့်တိုက်ကို သင်၏လက်ရှိပတ်ဝန်းကျင်တွင် ပေါင်းစပ်ရန် Python အား ပြောထားသည်။

ကုဒ်၏ np အပိုင်းသည် NumPy ကို np ၏ alias ပေးရန် Python ကိုပြောသည် ။ ၎င်းသည် numpy.function_name အစား np.function_name ကို ရိုးရိုးစာရိုက်ခြင်းဖြင့် NumPy လုပ်ဆောင်ချက်များကို အသုံးပြုနိုင်သည်။

NumPy ကို တင်သွင်းပြီးသည်နှင့် ဒေတာကို လျင်မြန်စွာ ဖန်တီးပြီး ခွဲခြမ်းစိတ်ဖြာရန် အသင့်ပါရှိသည့် လုပ်ဆောင်ချက်များကို အသုံးပြုနိုင်သည်။

အခြေခံ NumPy array ဖန်တီးနည်း

NumPy တွင် သင်လုပ်ဆောင်ရမည့် အသုံးအများဆုံးဒေတာအမျိုးအစားမှာ np.array() လုပ်ဆောင်ချက်ကို အသုံးပြု၍ ဖန်တီးနိုင်သည့် array ဖြစ်သည်။

အောက်ဖော်ပြပါ ကုဒ်သည် အခြေခံတစ်ဖက်မြင် NumPy အခင်းအကျင်းကို ဖန်တီးနည်းကို ပြသသည်-

 import numpy as np

#define array
x = np. array ([1, 12, 14, 9, 5])

#display array
print (x)

[1 12 14 9 5]

#display number of elements in array
x. size

5

ဇယားများစွာကို ဖန်တီးနိုင်ပြီး ပေါင်းခြင်း၊ နုတ်ခြင်း၊ မြှောက်ခြင်းစသည်ဖြင့် ၎င်းတို့တွင် လုပ်ဆောင်ချက်များကို လုပ်ဆောင်နိုင်သည်။

 import numpy as np 

#define arrays
x = np. array ([1, 12, 14, 9, 5])
y = np. array ([2, 3, 3, 4, 2])

#add the two arrays
x+y

array([ 3, 15, 17, 13, 7])

#subtract the two arrays
xy

array([-1, 9, 11, 5, 3])

#multiply the two arrays
x*y

array([ 2, 36, 42, 36, 10])

NumPy ၏ အခြေခံလုပ်ဆောင်ချက်အားလုံးကို အသေးစိတ်မိတ်ဆက်ရန်အတွက် Absolute Beginner’s Guide to NumPy ကို ကြည့်ပါ။

NumPy ကိုတင်သွင်းသည့်အခါ ဖြစ်နိုင်ချေရှိသော အမှားများ

NumPy ကိုတင်သွင်းရာတွင် သင်ကြုံတွေ့ရနိုင်သည့် ဖြစ်နိုင်ခြေရှိသော အမှားတစ်ခုမှာ-

 NameError : name 'np' is not defined

၎င်းကိုတင်သွင်းသောအခါတွင် သင်သည် NumPy ဟုအမည်တပ်ရန် ပျက်ကွက်သည့်အခါ ၎င်းသည် ဖြစ်ပေါ်သည်။ ဤအမှားကို အမြန်ဖြေရှင်းနည်းကို လေ့လာရန် ဤသင်ခန်းစာကို ဖတ်ပါ။

ထပ်လောင်းအရင်းအမြစ်များ

NumPy အကြောင်း ပိုမိုလေ့လာလိုပါက အောက်ပါအရင်းအမြစ်များကို ကြည့်ပါ။

Python စာရင်းအင်းလမ်းညွှန်များ အပြည့်အစုံစာရင်း
NumPy စာရွက်စာတမ်း စာမျက်နှာ အွန်လိုင်း
NumPy တရားဝင် Twitter စာမျက်နှာ