Creating Arrays

စိတ်လျှော့ပါ။ ဒီခန်းကို စာအုပ်လိုမဟုတ်ဘဲ စကားပြောသလိုပဲ၊ နားလည်လွယ်အောင် ရှင်းပါမယ်။

NumPy မှာ data တွေကိုတွက်ချင်ရင် အရင်ဆုံး array တည်ဆောက်ရပါတယ်။ Array တည်ဆောက်နည်းများစွာရှိပြီး အသုံးအများဆုံးတွေက np.array(), np.zeros(), np.ones(), np.arange(), np.linspace() တို့ပါ။ ဘယ် function ကိုသုံးမလဲဆိုတာက data ကို ဘယ်လိုစတင်ချင်လဲပေါ်မူတည်ပါတယ်။

python

import numpy as np

# Create an array from an existing list
prices = np.array([1200, 1500, 1800, 2100])
print("Prices:", prices)

# Create a 2 rows x 3 columns array filled with zeros
empty_table = np.zeros((2, 3))
print("
Empty table:
", empty_table)

# Create values from 0 to 8, step by 2
steps = np.arange(0, 10, 2)
print("
Steps:", steps)

# Create 5 evenly spaced values between 0 and 1
percent = np.linspace(0, 1, 5)
print("
Percent points:", percent)

np.array() က ရှိပြီးသား list ကို array ပြောင်းပေးပါတယ်။ np.zeros((2, 3)) က row 2 ခု၊ column 3 ခုပါတဲ့ zero table တစ်ခုလုပ်ပေးပါတယ်။ np.arange(0, 10, 2) မှာ stop value ဖြစ်တဲ့ 10 မပါဝင်တာကို သတိထားပါ။ np.linspace(0, 1, 5) က 0 နဲ့ 1 ကြားကို ညီမျှတဲ့ point 5 ခုခွဲပေးတာပါ။

You should see

Prices: [1200 1500 1800 2100] Empty table: [[0. 0. 0.] [0. 0. 0.]] Steps: [0 2 4 6 8] Percent points: [0. 0.25 0.5 0.75 1. ]

Info

shape ကိုရေးတဲ့အခါ (rows, columns) ပုံစံ tuple နဲ့ရေးရပါတယ်။ np.zeros(2, 3) လို့ရေးရင် မျှော်လင့်သလိုမဟုတ်နိုင်ပါ။

ဒီနေရာမှာ လူအများမှားတတ်တယ်

np.arange() မှာ stop number မပါဝင်ပါ။ 0 ကနေ 10 အထိဆိုပြီး 10 ပါစေချင်ရင် np.arange(0, 11) လိုရေးရပါတယ်။

လေ့ကျင့်ခန်း

Data analysis project တွေမှာ CSV/database ထဲက number တွေကို array ပြောင်းပြီး calculation လုပ်တာများပါတယ်။ အလွတ် result array ကို ကြိုတင်ထားတာက နောက်ပိုင်း calculation results သိမ်းဖို့အသုံးဝင်ပါတယ်။

python

import numpy as np

# Monthly sales for 6 months
sales = np.array([120, 135, 150, 160, 155, 180])

# Prepare an empty result array for future calculations
bonus_points = np.zeros(sales.shape)

print("Sales:", sales)
print("Bonus placeholder:", bonus_points)

You'll know it worked when: Sales: [120 135 150 160 155 180] Bonus placeholder: [0. 0. 0. 0. 0. 0.]