Definizione numpy e la sua sintassi
Numpy è un potente pacchetto matematico Python, come tutti sappiamo. Include una funzione chiamata numpy pad () che aggiunge imbottitura agli array. Mentre progrediamo attraverso questo testo, la definizione che abbiamo appena discusso diventerà più chiara. La sintassi relativa alla funzione sarà trattata nella sezione aggiunta.
# numpy.pad (array, pad_width, modalità = ")La sintassi generale della nostra funzione è mostrata sopra. Ci sono vari criteri che lo accompagnano, che passeremo oggi. L'opzione "array" specifica l'array di input su cui deve essere applicato l'imbottitura. Il numero di valori imbottiti sul bordo di ciascun asse è rappresentato dall'argomento della "larghezza del pad".
'Modalità' è un parametro. Può rappresentare uno dei valori di stringa di seguito o una funzione fornita dall'utente.
"Massimo", "media" e "minimo" usano tutti l'argomento di lunghezza "stat". Il valore statistico viene calcolato usando il numero di valori sul bordo di ciascun asse.
Nella costante ", viene utilizzato il parametro" valori costanti ". I valori vengono utilizzati per accumulare i valori per ogni asse qui.
Esempio 1:
Vedremo come funziona questo metodo e come ci aiuta a raggiungere il nostro output desiderato in questa parte ora che abbiamo coperto tutta la teoria dietro il pad numpy (). Inizieremo con una semplice istanza e procederemo a quelli più complicati. Esploreremo come funziona la funzione Numpy Pad nel nostro primo esempio.
Innanzitutto, abbiamo importato il modulo numpy nel programma di esempio di seguito. Successivamente, abbiamo definito un input (mostrato come ABC) su cui deve essere eseguita l'operazione. Quindi abbiamo utilizzato la nostra sintassi per ottenere il risultato che volevamo.
In questo esempio, abbiamo selezionato "massimo" come modalità. Di conseguenza, la parte anteriore e posteriore è imbottita a un massimo di 32 (valore massimo). Di seguito è riportata l'implementazione come puoi vedere.
importa numpy come ppoolEcco il risultato in cui è possibile vedere il valore massimo all'inizio e alla fine dell'array.
Esempio 2:
Diamo un'occhiata a un altro esempio usando una modalità diversa. Una seconda illustrazione simile alla prima. Tuttavia, in questo caso abbiamo utilizzato un array diverso. Inoltre, abbiamo scelto "Rifletti" come modalità di osservazione. Si può vedere il cambiamento nell'output.
importa numpy come pEcco la schermata risultante del codice sopra.
Esempio 3:
Il primo argomento, una tupla (3,2), specifica che vengono aggiunti tre componenti prima che l'asse e due elementi vengano aggiunti dopo l'asse in questo esempio.
L'opzione Modalità determina il tipo di valore che verrà utilizzato per imbottire l'array. Utilizziamo i valori costanti 1 e 5 per imporre l'array nel nostro codice, ma possiamo cambiare questa modalità in mediana, media, vuota, avvolgente e altro ancora. Ogni modalità aggiunge un nuovo elemento all'array per farla uscire.
importa numpy come pDi seguito è riportato la schermata di output per il tuo aiuto.
Esempio 4:
In questo caso, abbiamo importato Numpy con l'alias "PP" nel codice sopra. Con vettoriale, larghezza del cuscinetto, asse e kwargs, abbiamo sviluppato il metodo pad. Per ottenere valori di imbottitura dalla funzione Get () fornita, abbiamo dichiarato il valore del pad variabile.
I valori di imbottitura sono stati forniti alla porzione del vettore.
Abbiamo usato il NP.funzione arange () per costruire una funzione "uno" e la funzione Reshape () per cambiarne la forma. Il valore risultante del NP.La funzione pad () è stata assegnata alla variabile 'due'. La funzione ha fornito l'elenco "uno" e il parametro della larghezza del pad. Infine, abbiamo tentato di stampare il valore di due.'
La schermata risultante mostra il ndarray imbottito con dimensioni e valori definiti nell'output.
Conclusione
Pad () è una funzione molto importante per la codifica specifica ed è diventata una funzione comunemente usata in Python. La funzione consente all'alterazione dell'array di limitare il numero di conflitti del sistema di memoria. Il numpy.La funzione pad () è ampiamente utilizzata per funzionalizzare completamente l'AST. Questa funzione consente in particolare all'utente di specificare la nuova dimensione o persino di consentire al sistema di calcolare automaticamente le dimensioni per loro.
Di conseguenza, la capacità di ottimizzazione delle risorse di memoria è stata personalizzata per ridurre i tempi di elaborazione del sistema. Questo post era più o meno lo stesso e abbiamo discusso della funzione con più esempi per il tuo aiuto.