डेटा टाइप का अनुमान लगाना

यह अनुमान लगाना कि किसी array का डेटा टाइप क्या होगा, बहुत ज़रूरी है, क्योंकि NumPy की कुछ फ़ंक्शनलिटी केवल खास डेटा टाइप्स पर ही काम करती है. आइए देखते हैं आप कितना समझते हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

NumPy परिचय

पाठ्यक्रम देखें

इंटरैक्टिव व्यावहारिक अभ्यास

हमारे इंटरैक्टिव अभ्यासों में से किसी एक के साथ सिद्धांत को व्यवहार में बदलें

अभ्यास शुरू करें

यह अभ्यास पाठ्यक्रम का हिस्सा है

NumPy परिचय

SkillTag.level.beginnerSkillTag.label

4.8+

पाठ्यक्रम मुफ्त में शुरू करें

शानदार NumPy array से मिलिए! अपनी ज़रूरत के मुताबिक arrays बनाना और उनकी shape बदलना सीखिए। अंत में, NumPy के कई data types जानिए और समझिए कि वे तेज़ array operations में कैसे मदद करते हैं.

Exercise 1: एरे का परिचय Exercise 2: आपका पहला NumPy array Exercise 3: शुरू से arrays बनाना Exercise 4: एक range array Exercise 5: Array की dimensionality Exercise 6: 3D array बनाना Exercise 7: The fourth dimension Exercise 8: Flattening और reshaping Exercise 9: NumPy डेटा टाइप्स Exercise 10: The dtype argument Exercise 11: डेटा टाइप का अनुमान लगाना

वर्तमान अभ्यास

Exercise 12: एक छोटा सुडोकू गेम

New York City के tree census डेटा पर slicing, filtering, और sorting करके अपने NumPy data wrangling कौशल को निखारिए। conditional statements के आधार पर डेटा निकालकर नए arrays बनाइए, और किसी भी dimension पर डेटा जोड़िए या हटाइए ताकि आपका उद्देश्य पूरा हो सके। इसी दौरान, आप shape और dimension compatibility के सिद्धांत सीखेंगे, जिससे आप super-fast array math के लिए तैयार होंगे.

Exercise 1: एरेज़ का इंडेक्सिंग और स्लाइसिंग Exercise 2: पेड़ों का स्लाइसिंग और इंडेक्सिंग Exercise 3: 2D में कदम रखना Exercise 4: पेड़ों को सॉर्ट करना Exercise 5: एरे फ़िल्टर करना Exercise 6: मास्क के साथ फ़िल्टर करना Exercise 7: Fancy indexing बनाम np.where()Exercise 8: शर्तों से arrays बनाना Exercise 9: डेटा जोड़ना और हटाना Exercise 10: Compatible है या नहीं?Exercise 11: पंक्तियाँ जोड़ना Exercise 12: कॉलम जोड़ना Exercise 13: np.delete() के साथ डिलीट करना

NumPy के तेज़ vectorized operations का लाभ उठाकर American liquor stores, restaurants, और department stores की sales डेटा पर summary insights निकालिए। Python functions को vectorize करके उन्हें अपने NumPy कोड में इस्तेमाल कीजिए। अंत में, अलग-अलग आकार के arrays के बीच गणितीय operations करने के लिए broadcasting logic का उपयोग कीजिए.

Exercise 1: डेटा का सारांश Exercise 2: सेल्स टोटल्स Exercise 3: औसत प्लॉट करना Exercise 4: क्यूमुलेटिव सेल्स Exercise 5: वेक्तराइज़्ड ऑपरेशंस Exercise 6: Tax calculations Exercise 7: बिक्री का प्रोजेक्शन Exercise 8: Vectorizing .upper()Exercise 9: ब्रॉडकास्टिंग Exercise 10: Broadcast हो पाएगा या नहीं?Exercise 11: कॉलम्स में Broadcasting Exercise 12: पंक्तियों में Broadcasting

इस अंतिम अध्याय में NumPy और कला का मेल होता है, जहाँ हम Monet की एक उत्कृष्ट कृति की image डेटा का उपयोग करके देखते हैं कि आप image डेटा को कैसे augment कर सकते हैं। आप flipping और transposing की functionality से हमारी masterpiece को तेज़ी से transform करेंगे। इसके बाद, आप Monet वाले array को अलग-अलग हिस्सों में तोड़ेंगे, बदलाव करेंगे, और array stacking का उपयोग करके उसे फिर से जोड़ेंगे ताकि परिणाम देख सकें.

Exercise 1: Arrays को सेव और लोड करना Exercise 2: .npy फ़ाइलें लोड करना Exercise 3: मदद लेना Exercise 4: अपडेट करें और सेव करें Exercise 5: Array की कलाबाज़ियाँ Exercise 6: Monet को ऑगमेंट करना Exercise 7: अपने मास्टरपीस को transpose करें Exercise 8: स्टैकिंग और स्प्लिटिंग Exercise 9: 2D स्प्लिट और स्टैक Exercise 10: RGB डेटा को विभाजित करना Exercise 11: RGB डेटा स्टैक करना Exercise 12: बधाई हो!