Numpy rekke strenger

Vi kan forklare en streng som en gruppe tegn. Den har samme funksjon som alle andre matriser, men den lagrer karakterene i den og har et faste antall elementer eller indekser. Som alle andre språk støtter Numpy også karakterstrengene for å lagre tegn eller grupper av tegn i form av matriser. Det tilbyr et enkelt og praktisk middel til å lagre Unicode -tegn og strengtegn. Den fungerer som en konstruktør som bruker en buffer for å lage matrisen. Hvis verdien av bufferen er lik "ingen", oppretter den matrisen med "C -orden" ved å bruke "skritt". Ellers skaper det en matrise med skritt i "FORTRAN Order".

Merk at "C" og "FORTRAN" er to forskjellige programmeringsspråk. For dette formålet gir Numpy oss Numpy.CharArray () funksjonalitet. Forskjellen mellom å lage matriser med numpy.CharArray () -funksjon og lage matriser med vanlige matriser med typen streng er at denne klassen gir oss noen få ekstra effektive funksjoner. Når verdiene indekseres, fjerner CharArray () -funksjonen automatisk hvitespasene på slutten. På samme måte, under sammenligninger, fjernes hvitespaser av sammenligningsoperatørene selv.

Syntaks

Syntaksen for å bruke numpy.CharArray () er som følger:

klasse numpy.CharArray (form, ItemerSize = 1, Unicode = False, buffer = ingen, offset = 0, fremskritt = ingen, orden = ingen)

La oss nå diskutere argumentene som blir gitt til funksjonen.

• form: Det tjener til å spesifisere hvordan vårt utvalg er formet. Det er en valgfri parameter.
• ItemeSize: Det er en valgfri parameter. Det er en heltalldatatypeparameter som brukes til å fortelle lengden på matrisen.
• Unicode: Denne parameteren har en boolsk datatype og brukes til å fortelle funksjonen om den tar unicode som inngang eller ikke.
• buffer: Det er en valgfri parameter som forteller minneadressen til dataens utgangspunkt.
• offset: En valgfri parameter som er fast skrittforskyvning fra begynnelse til slutt.
• rekkefølge: Verdien “C” eller “F” sendes til den for bestilling. Det er også en valgfri parameter.
• hvor: Det er en valgfri parameter og er tilstandsbasert.

Eksempel 1

Å forstå numpy.CharArray -funksjon mer detaljert, la oss diskutere et eksempel. I det følgende eksemplet, etter å ha inkludert Numpy -biblioteket, oppretter vi en variabel str_array og kaller vår numpy.CharArray fungerer mot det. I vår funksjon har vi bare gitt den en parameter som er (4,5). Her er parameteren formen på vår matrise. Som vi diskuterte tidligere i introduksjonen, er de andre parametrene valgfrie, så vi trenger ikke å passere disse parametrene som funksjonen fungerer uten parametrene og ikke vil gi noen feil.

Vi initialiserer vår STR_ARR -variabel med navnet “A” i følgende linje. Som vi vet, er "A" en karakter. Vi prøver å lagre en karakterstreng i vårt utvalg, det er derfor vi har tatt en karakter. Til slutt trykker vi ganske enkelt STR_ARR -variabelen for å se hva den holder etter hele operasjonen.

Importer numpy som NP
str_arr = np.CharArray ((4, 5))
str_arr [:] = 'a'
trykk (str_arr)

Kompilatoren genererer følgende utgang etter utførelse av koden vår. La oss diskutere hva som skjedde og hvorfor systemet har gitt oss denne utdataene. De totale elementene i vårt utvalg er “20”. Vår matrise har “4” rader og har “5” kolonner. Dette er fordi hvis vi passerer verdien (4,5) som en parameter til vår funksjon, tar funksjonen den parameteren som formen på matrisen. Så det skaper vår karaktermatrise i en slik form at den må ha fire rader og fem kolonner. Etter å ha tildelt formen til vårt utvalg, gir vi et tegn “A” til vår STR_ARR -variabel. I utgangen kan vi se at systemet trykte strengen “A” som utgangen, noe som betyr at dette er strenggruppen vår.

Eksempel 2

I forrige eksempel prøvde vi å forklare hvordan CharArray -funksjonen fungerer. I dette eksemplet sjekker vi om denne typen er kompatibel med andre datatyper for analysering eller støping av type eller ikke. For å sjekke, tok vi to variabler str_array og int_arr. Som navnet forklarer, lagrer STR_ARR String -arrayen og lagrer int -array. Vi passerer “5” til vår funksjon, noe som betyr at vårt utvalg er 1D og har fem elementer.

Vi passerer tallene i strengformat til vår matrise slik at systemet tar disse verdiene som tegn. Etter det oppretter vi en enkel matrise, send strengmatrisen vår til den enkle matrisen, og pass INT32 som en parameter for sin datatype. Nå utfører vi koden vår for å sjekke om den konverterer strengegruppen vår til en heltall eller ikke.

Importer numpy som NP
str_array = np.CharArray (5)
str_array [:] = [b'1 ', b'0', b'1 ', b'0', b'1 ']
int_arr = np.Array (str_array, dtype = np.int32)
Print (Str_Array)
trykk (int_arr)

Følgende er utgangen vi fikk etter utførelsen av koden vår. Vi skriver ut begge matriser for å sammenligne utgangene, den første utgangen av en strengmatrise. Vi kan se at "B" er med hvert element og hvert element i matrisen er i enkelt sitater (") bare fordi systemet lagrer strengene i sitater. Så fra den første utgangen kan vi si at strengoppstillingen vår lagrer tallene i strengformat. La oss nå se frem til den andre utgangen.

I den andre matrisen er tallene de samme som i forrige matrise. Men elementene i følgende matrise er bare forskjellige der de ikke er vedlagt anførselstegn. Dette er fordi systemet ikke lagrer tallene for tall med sitater. Så ved å se på utdataene våre, kan vi si at vi med hell endret typen vår matrise fra streng til heltall.

Konklusjon

I denne opplæringen diskuterte vi kort strengmarrayene i Numpy. Arrays kan være i hvilket som helst format som heltall, tegn osv. Vi tok en titt på Numpy.Charrray () -funksjonen til Numpy Library. Vi prøvde å forstå oppførselen til strengmatriser ved å utføre flere eksempler. Vi skriver også opp matrisene fra streng til int med hell. Det er mange andre måter å lagre og utføre en operasjon på strengarrays i Numpy, men vi forklarte NP.CharArray -funksjon spesielt som er en viktig funksjon for å gi et praktisk syn på matriser av streng- og Unicode -verdier.