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।
np.array([[1, 2, 3], [4, 5, 6]])📄 2 पंक्तियों और 3 कॉलम वाली एक शीटvalues.shape📐 उसका आकार: (2, 3)values.size🔢 कुल कितने खाने: 6print(values)👀 पूरी शीट, पंक्ति-दर-पंक्तिNumPy 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
np.array([[1, 2, 3], [4, 5, 6]])list की list को 2-डायमेंशनल array में बदलता है।values.shapeहै(2, 3): दो पंक्तियाँ और तीन कॉलम।values.sizeसभी element गिनता है: 6।- 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
import numpy as np
values = np.array([[1, 2, 3], [4, 5, 6]])
print(values)
print("shape:", values.shape)
print("size:", values.size)
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।
- Shape और dtype बदलकर देखें।
- Negative, decimal और missing values जाँचें।
- बड़े array पर execution time मापें।
आम गलतियाँ
असमान पंक्तियाँ
अलग-अलग लंबाई की पंक्तियों से सही 2-D array नहीं बनता।
np.array([[1, 2, 3], [4, 5]]) # error or object array
np.array([[1, 2, 3], [4, 5, 6]])
यह पाठ पूरा कर लिया?
अपनी प्रगति ट्रैक करने के लिए इसे सीखा हुआ मार्क करें।
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।
- दो वेक्टरों का डॉट प्रोडक्ट दो वेक्टरों के हर तत्व को आपस में गुणा करके परिणाम जोड़ें, यही हर न्यूरॉन की मूल गणना है। आसान
- एक ऐरे का योग सूची में सभी मानों को जोड़ें। आसान
- एक्टिवेशन फ़ंक्शन सूची के हर मान पर sigmoid, ReLU, Leaky ReLU या tanh लागू करें। आसान