NumPy ऑनलाइन चलाएँ

NumPy Arrays

Array बनाएँ और vectorized operations चलाएँ।

  • मध्यम
  • 2 मिनट में पढ़ें
  • 1 चलाने योग्य उदाहरण

NumPy Arrays क्या है?

समस्या क्या है

Python की list लचीली होती हैं, लेकिन बहुत सारे नंबरों पर गणित करने में धीमी पड़ती हैं। दस लाख वैल्यू में 1 जोड़ने के लिए भी Python loop चाहिए। साइंस, डेटा एनालिसिस और मशीन लर्निंग में नंबरों के बड़े ग्रिड होते हैं। इनके लिए ऐसा data structure चाहिए जो सभी वैल्यू पर एक साथ तेज़ी से गणना कर सके।

ऐसे समझें

NumPy array ग्राफ़ पेपर की एक शीट जैसा है, जिसके हर खाने में एक ही तरह का नंबर होता है। हर खाना एक ही साइज़ और टाइप का है, इसलिए आप खानों को एक-एक करके देखने के बजाय पूरी पंक्ति, पूरे कॉलम या पूरी शीट पर एक बार में काम कर सकते हैं।

ग्राफ़ पेपर से code तक
np.array([[1, 2, 3], [4, 5, 6]])📄 2 पंक्तियों और 3 कॉलम वाली एक शीट
values.shape📐 उसका आकार: (2, 3)
values.size🔢 कुल कितने खाने: 6
print(values)👀 पूरी शीट, पंक्ति-दर-पंक्ति
हर सेल में एक ही टाइप है, इसलिए पूरे array पर ऑपरेशन तेज़ होते हैं।
एक वाक्य में

NumPy array (ndarray) एक ही डेटा टाइप की वैल्यू का ग्रिड है, जिसका shape तय होता है। इसे सभी element पर एक साथ तेज़ ऑपरेशन के लिए बनाया गया है।

मुख्य बातें

  1. np.array([[1, 2, 3], [4, 5, 6]]) list की list को 2-डायमेंशनल array में बदलता है।
  2. values.shape है (2, 3): दो पंक्तियाँ और तीन कॉलम।
  3. values.size सभी element गिनता है: 6।
  4. हर element का टाइप एक ही है, और इसी वजह से array का गणित तेज़ होता है।

इसका उपयोग कब करें?

  • बहुत सारे नंबरों पर एक साथ गणना: स्कोर, माप, कीमतें।
  • इमेज, जो पिक्सल वैल्यू के array होती हैं।
  • ज़्यादातर डेटा साइंस और मशीन लर्निंग लाइब्रेरी का इनपुट फ़ॉर्मैट।

कब ज़रूरत नहीं

  • मिला-जुला डेटा, जैसे नाम और नंबर साथ में: pandas DataFrame या dictionary की list बेहतर रहती है।
  • ऐसे collection जो एक-एक आइटम करके बढ़ते हैं: array में append करने पर हर बार कॉपी बनती है, इसलिए पहले list बनाइए।

देखें यह कैसे काम करता है

किसी खाने पर पॉइंटर ले जाएँ और उसकी पंक्ति, कॉलम और मेमोरी में जगह देखें, जहाँ सभी पंक्तियाँ एक के बाद एक रखी जाती हैं।

उदाहरण कोड

कोड चलाएँ →
main.py
import numpy as np

values = np.array([[1, 2, 3], [4, 5, 6]])

print(values)
print("shape:", values.shape)
print("size:", values.size)
इस उदाहरण के लिए Run बटन बनाएँ

अपेक्षित आउटपुट

[[1 2 3]
 [4 5 6]]
shape: (2, 3)
size: 6

यह कैसे काम करता है

Operations element-wise लागू होते हैं; shape dimensions और dtype data type बताता है।

मान बदलें और Python इंस्टॉल किए बिना CodeUtility ऑनलाइन Python कंपाइलर में प्रोग्राम चलाएँ।

अभ्यास के कार्य

बड़े dataset पर जाने से पहले input बदलें और edge cases की जाँच करें।

  1. Shape और dtype बदलकर देखें।
  2. Negative, decimal और missing values जाँचें।
  3. बड़े array पर execution time मापें।
Python IDE में चलाएँ →

आम गलतियाँ

असमान पंक्तियाँ

अलग-अलग लंबाई की पंक्तियों से सही 2-D array नहीं बनता।

समस्या
np.array([[1, 2, 3], [4, 5]])  # error or object array
सुधार
np.array([[1, 2, 3], [4, 5, 6]])

यह पाठ पूरा कर लिया?

अपनी प्रगति ट्रैक करने के लिए इसे सीखा हुआ मार्क करें।

अगला: NumPy में Mean, Median और Standard Deviation →

चैलेंज से अभ्यास करें

इस पाठ में सीखी बात से एक असली समस्या हल करें। हर चैलेंज ब्राउज़र में चलता है, तुरंत टेस्ट और AI रिव्यू के साथ।

सभी चैलेंज