В этой статье будет рассмотрена NumPy pad(). Мы также рассмотрим его синтаксис и аргументы для лучшего понимания. Затем на нескольких примерах мы покажем, как все элементы теории применяются на практике. Но сначала давайте посмотрим на определение функции, чтобы лучше понять ее.
Определение NumPy и его синтаксис
Как мы все знаем, NumPy — это мощный математический пакет Python. Он включает в себя функцию под названием NumPy pad(), которая добавляет отступы к массивам. По мере продвижения по тексту определение, которое мы только что обсуждали, станет более ясным. Синтаксис, относящийся к этой функции, будет рассмотрен в прилагаемом разделе.
# numpy.pad(array, pad_width, mode='')
Общий синтаксис нашей функции показан выше. Существуют различные критерии, которые сопровождают это, и мы рассмотрим их сегодня. Параметр «array» указывает входной массив, к которому должно быть применено заполнение. Количество значений, добавленных к краю каждой оси, представлено аргументом «pad_width».
«mode» — это параметр. Он может представлять собой одно из приведенных ниже строковых значений или предоставленную пользователем функцию.
- constant: при использовании этой опции заполнение выполняется с постоянным значением.
- edge: в этой ситуации заполнение выполняется значением края массива.
- maximum: когда выбран этот параметр, заполнение рассчитывается путем сложения наибольшего значения всех частей вектора вдоль указанной оси.
- mean: заполнение в этой ситуации использует среднее значение всех секций вектора вдоль указанной оси.
- median: когда выбран этот параметр, заполнение использует наибольшее значение из всех частей вектора вдоль предоставленной оси.
- reflect: в этом случае вектор дополняется путем отражения его между начальным и последним значениями по каждой оси.
‘maximum,” mean,”median,’ и ‘minimum’ используют аргумент длины «stat». Статистическое значение рассчитывается с использованием количества значений на краю каждой оси.
В «constant» используется параметр «constant values». Значения используются для заполнения значений для каждой оси здесь.
Пример 1:
Мы рассмотрим, как работает этот метод и как он помогает нам достичь желаемого результата в этой части, когда мы рассмотрели всю теорию, лежащую в основе NumPy pad(). Мы начнем с простого экземпляра и перейдем к более сложным. Мы рассмотрим, как работает функция клавиатуры NumPy, в нашем первом примере.
Во-первых, мы импортировали модуль NumPy в пример программы ниже. После этого мы определили вход (обозначенный как abc), на котором должна быть выполнена операция. Затем мы использовали наш синтаксис, чтобы получить желаемый результат.
В этом примере мы выбрали «maximum» в качестве нашего режима. В результате передняя и задняя части дополняются максимум до 32 (максимальное значение). Ниже приведена реализация, как вы можете видеть.
import numpy as ppool abc=[2,32,7,8] print(ppool.pad(abc,(2,3),"maximum"))
Вот результат, где вы можете увидеть максимальное значение в начале и в конце массива.
[32 32 2 32 7 8 32 32 32]
Пример 2:
Давайте посмотрим на другой пример, используя другой режим. Вторая иллюстрация, похожая на первую. Однако в данном случае мы использовали другой массив. Кроме того, мы выбрали «reflect» в качестве режима наблюдения. Можно увидеть изменение выхода.
import numpy as p abc=[12,33,22,37,60,80,2] print(p.pad(abc,(5,1),"reflect"))
Вот результирующий экран приведенного выше кода.
[80 60 37 22 33 12 33 22 37 60 80 2 80]
Пример 3:
Первый аргумент, один (3,2) кортеж, указывает, что в этом примере три компонента добавляются перед осью, а два элемента добавляются после оси.
Опция режима определяет тип значения, которое будет использоваться для заполнения массива. Мы используем постоянные значения 1 и 5 для заполнения массива в нашем коде, но мы можем изменить этот режим на медианный, средний, пустой, перенос и т. д. Каждый режим добавляет новый элемент в массив, чтобы дополнить его.
import numpy as p one = [2,4,6,8] two = p.pad(one,(3, 2), mode = 'constant', constant_values = (1, 5)) print(two)
Ниже приведен экран вывода для вашей помощи.
[1 1 1 2 4 6 8 5 5]
Пример 4:
В этом случае мы импортировали NumPy с псевдонимом «pp» в приведенном выше коде. Используя вектор, ширину площадки, ось и kwargs, мы разработали метод pad. Чтобы получить значения заполнения из предоставленной функции get(), мы объявили значение переменной padding.
Значения заполнения были предоставлены части вектора.
Мы использовали функцию np.arange() для построения массива «one» и функцию reshape() для изменения его формы. Результирующее значение функции np.pad() было присвоено переменной ‘two’. Функция предоставила список «один» и параметр ширины pad. Наконец, мы попытались напечатать значение «two».
import numpy as pp
def pad_with(vector, pad width, iaxis, kwargs):
padding_val = kwargs.get('padder', 5)
vector[:pad_width[0]] = padding_val
vector[-pad_width[1]:] = padding_val
one = pp. arange(6)
one = one.reshape((3, 2))
two = pp. pad(one, 2, pad_with)
print(two)
Результирующий экран показывает ndarray, дополненный определенным размером и значениями в выходных данных.
[[5 5 5 5 5 5] [5 5 5 5 5 5] [5 5 0 1 5 5] [5 5 2 3 5 5] [5 5 4 5 5 5] [5 5 5 5 5 5] [5 5 5 5 5 5]]
Заключение
Pad() — очень важная функция для специфического кодирования, она стала часто используемой функцией в Python. Функция позволяет изменять массив, чтобы ограничить количество конфликтов системы памяти. Функция numpy.pad() широко используется для полной функциональности AST. Эта функция, в частности, позволяет пользователю указать новый размер или даже позволить системе автоматически рассчитать размер для них.
В результате возможность оптимизации ресурсов памяти была настроена так, чтобы сократить время обработки системы. Этот пост был о том же, и мы обсудили функцию с несколькими примерами для вашей помощи.
