పైథాన్ NumPy సగటు (), min () మరియు గరిష్ట () ఫంక్షన్‌లను ఎలా ఉపయోగించాలి?

How Use Python Numpy Mean



ఒక డైమెన్షనల్ లేదా మల్టీ డైమెన్షనల్ అర్రేతో వివిధ రకాలైన పనులను చేయడానికి పైథాన్ నమ్‌పై లైబ్రరీ అనేక మొత్తం లేదా గణాంక విధులను కలిగి ఉంది. ఉపయోగకరమైన మొత్తం విధులు కొన్ని సగటు (), నిమిషం (), గరిష్ట (), సగటు (), మొత్తం (), మధ్యస్థ (), శాతం (), మొదలైనవి . యొక్క ఉపయోగాలు సగటు (), నిమిషం (), మరియు గరిష్ట () విధులు ఈ ట్యుటోరియల్‌లో వివరించబడ్డాయి. ది అర్థం() శ్రేణి మూలకాల యొక్క అంకగణిత సగటు విలువను తిరిగి ఇవ్వడానికి ఫంక్షన్ ఉపయోగించబడుతుంది. అంకగణిత సగటు మొత్తం శ్రేణి మూలకాల సంఖ్యతో శ్రేణిలోని అన్ని మూలకాల మొత్తాన్ని విభజించడం ద్వారా లెక్కించబడుతుంది. ఫంక్షన్‌లో నిర్దిష్ట అక్షం పేర్కొనబడితే, అది నిర్దిష్ట అక్షం యొక్క సగటు విలువను లెక్కిస్తుంది. గరిష్ట () ఫంక్షన్ శ్రేణి మూలకాలు లేదా నిర్దిష్ట శ్రేణి అక్షం యొక్క మూలకాల నుండి గరిష్ట విలువను కనుగొనడానికి ఉపయోగించబడుతుంది. min () శ్రేణి మూలకాలు లేదా నిర్దిష్ట శ్రేణి అక్షం నుండి కనీస విలువను కనుగొనడానికి ఫంక్షన్ ఉపయోగించబడుతుంది.

సగటు () ఫంక్షన్ యొక్క ఉపయోగం

సగటు () ఫంక్షన్ యొక్క వాక్యనిర్మాణం క్రింద ఇవ్వబడింది.







వాక్యనిర్మాణం :



తిమ్మిరి.అర్థం(ఇన్పుట్_అరే,అక్షం=ఏదీ లేదు,dtype=ఏదీ లేదు,బయటకు=ఏదీ లేదు,Keepdims=<విలువ లేదు>)

ఈ ఫంక్షన్ ఐదు ఆర్గ్యుమెంట్‌లను తీసుకోవచ్చు. ఈ వాదనల ప్రయోజనాలు క్రింద వివరించబడ్డాయి:



ఇన్పుట్_అరే





ఈ ఫంక్షన్ ద్వారా శ్రేణి విలువ మరియు శ్రేణి విలువలు సగటుగా పరిగణించబడే ఒక తప్పనిసరి వాదన.

అక్షం



ఇది ఐచ్ఛిక వాదన, మరియు ఈ ఆర్గ్యుమెంట్ విలువ ఒక పూర్ణాంకం లేదా పూర్ణాంకాల టపుల్ కావచ్చు. ఈ ఆర్గ్యుమెంట్ మల్టీ డైమెన్షనల్ అర్రే కోసం ఉపయోగించబడుతుంది. విలువ ఉంటే అక్షం 0 కి సెట్ చేయబడింది, అప్పుడు ఫంక్షన్ కాలమ్ విలువల సగటును లెక్కిస్తుంది మరియు విలువ ఉంటే అక్షం 1 కి సెట్ చేయబడింది, అప్పుడు ఫంక్షన్ వరుస విలువల సగటును లెక్కిస్తుంది.

dtype

ఇది సగటు విలువ యొక్క డేటా రకాన్ని నిర్వచించడానికి ఉపయోగించే ఐచ్ఛిక వాదన.

బయటకు

ఇది ఐచ్ఛిక వాదన మరియు ఫంక్షన్ యొక్క అవుట్‌పుట్ ప్రత్యామ్నాయ శ్రేణిలో నిల్వ చేయవలసి వచ్చినప్పుడు ఉపయోగించబడుతుంది. ఈ సందర్భంలో, అవుట్‌పుట్ శ్రేణి యొక్క పరిమాణం తప్పనిసరిగా ఇన్‌పుట్ శ్రేణి వలె ఉండాలి. ఈ వాదన యొక్క డిఫాల్ట్ విలువ ఏదీ లేదు .

Keepdims

ఇది ఐచ్ఛిక వాదన, మరియు ఈ వాదనలో ఏదైనా బూలియన్ విలువను సెట్ చేయవచ్చు. ఇన్‌పుట్ శ్రేణి ఆధారంగా అవుట్‌పుట్‌ను సరిగ్గా ప్రసారం చేయడానికి ఇది ఉపయోగించబడుతుంది.

అవుట్ ఆర్గ్యుమెంట్ విలువ సెట్ చేయబడితే ఈ ఫంక్షన్ సగటు విలువల శ్రేణిని అందిస్తుంది ఏదీ లేదు లేకపోతే ఫంక్షన్ అవుట్‌పుట్ శ్రేణికి సూచనను అందిస్తుంది.

ఉదాహరణ: సగటు () ఫంక్షన్‌ను ఉపయోగించడం

కింది ఉదాహరణ ఒక డైమెన్షనల్ మరియు రెండు డైమెన్షనల్ అర్రే యొక్క సగటు విలువను ఎలా లెక్కించవచ్చో చూపుతుంది. ఇక్కడ, మొదటి సగటు () ఫంక్షన్ ఒక డైమెన్షనల్ పూర్ణాంక సంఖ్యలతో ఉపయోగించబడుతుంది మరియు రెండవ సగటు () ఫంక్షన్ పూర్ణాంక సంఖ్యల యొక్క రెండు డైమెన్షనల్ శ్రేణితో ఉపయోగించబడుతుంది.

# NumPy లైబ్రరీని దిగుమతి చేయండి

దిగుమతితిమ్మిరిగాఉదా

# ఒక డైమెన్షనల్ శ్రేణిని సృష్టించండి

np_array=ఉదా.అమరిక([6, 4, 9, 3, 1])

# శ్రేణి మరియు సగటు విలువలను ముద్రించండి

ముద్రణ('ఒక డైమెన్షనల్ NumPy శ్రేణి యొక్క విలువలు: n',np_array)

ముద్రణ('ఒక డైమెన్షనల్ అర్రే యొక్క సగటు విలువ: n',ఉదా.అర్థం(np_array))

# రెండు డైమెన్షనల్ శ్రేణిని సృష్టించండి

np_array=ఉదా.అమరిక([[5, 3, 5], [5, 4, 3]])

# శ్రేణి మరియు సగటు విలువలను ముద్రించండి

ముద్రణ(' nరెండు డైమెన్షనల్ NumPy శ్రేణి యొక్క విలువలు: n',np_array)

ముద్రణ('రెండు డైమెన్షనల్ అర్రే యొక్క సగటు విలువలు: n',ఉదా.అర్థం(np_array,అక్షం=0))

అవుట్‌పుట్ :

పై స్క్రిప్ట్‌ను అమలు చేసిన తర్వాత కింది అవుట్‌పుట్ కనిపిస్తుంది.

గరిష్ట () ఫంక్షన్ ఉపయోగం

గరిష్ట () ఫంక్షన్ యొక్క వాక్యనిర్మాణం క్రింద ఇవ్వబడింది.

వాక్యనిర్మాణం :

తిమ్మిరి.గరిష్టంగా(ఇన్పుట్_అరే,అక్షం=ఏదీ లేదు,బయటకు=ఏదీ లేదు,Keepdims=ఏదీ లేదు,ప్రారంభ=ఏదీ లేదు,ఎక్కడ=ఏదీ లేదు)

ఈ ఫంక్షన్ ఆరు వాదనలను తీసుకోవచ్చు. ఈ వాదనల ప్రయోజనాలు క్రింద వివరించబడ్డాయి:

ఇన్పుట్_అరే

ఇది శ్రేణిని విలువగా తీసుకునే తప్పనిసరి వాదన, మరియు ఈ ఫంక్షన్ శ్రేణి యొక్క గరిష్ట విలువను కనుగొంటుంది.

అక్షం

ఇది ఐచ్ఛిక వాదన, మరియు దాని విలువ పూర్ణాంకం లేదా పూర్ణాంకాల టపుల్ కావచ్చు. ఈ ఆర్గ్యుమెంట్ మల్టీ డైమెన్షనల్ అర్రే కోసం ఉపయోగించబడుతుంది.

బయటకు

ఇది ఐచ్ఛిక వాదన మరియు ఫంక్షన్ యొక్క అవుట్‌పుట్ ప్రత్యామ్నాయ శ్రేణిలో నిల్వ చేయవలసి వచ్చినప్పుడు ఉపయోగించబడుతుంది.

Keepdims

ఇది ఐచ్ఛిక వాదన, మరియు ఈ వాదనలో ఏదైనా బూలియన్ విలువను సెట్ చేయవచ్చు. ఇన్‌పుట్ శ్రేణి ఆధారంగా అవుట్‌పుట్‌ను సరిగ్గా ప్రసారం చేయడానికి ఇది ఉపయోగించబడుతుంది.

ప్రారంభ

ఇది అవుట్‌పుట్ కనీస విలువను సెట్ చేయడానికి ఉపయోగించే ఐచ్ఛిక వాదన.

ఎక్కడ

ఇది గరిష్ట విలువను తెలుసుకోవడానికి శ్రేణి మూలకాలను సరిపోల్చడానికి ఉపయోగించే ఐచ్ఛిక వాదన. ఈ వాదన యొక్క డిఫాల్ట్ విలువ ఏదీ లేదు .

ఈ ఫంక్షన్ బహుళ-డైమెన్షనల్ శ్రేణి కోసం ఒక డైమెన్షనల్ అర్రే లేదా గరిష్ట విలువల శ్రేణికి గరిష్ట విలువను అందిస్తుంది.

ఉదాహరణ: గరిష్ట () ఫంక్షన్‌ను ఉపయోగించడం

ఒక డైమెన్షనల్ అర్రే యొక్క గరిష్ట విలువను కనుగొనడానికి గరిష్ట () ఫంక్షన్ యొక్క ఉపయోగాన్ని క్రింది ఉదాహరణ చూపుతుంది.

# NumPy లైబ్రరీని దిగుమతి చేయండి

దిగుమతితిమ్మిరిగాఉదా

# పూర్ణాంకాల NumPy శ్రేణిని సృష్టించండి

np_array=ఉదా.అమరిక([ఇరవై ఒకటి, 5, 3. 4, 12, 30, 6])

# శ్రేణి నుండి గరిష్ట విలువను కనుగొనండి

గరిష్ట_విలువ=ఉదా.గరిష్టంగా(np_array)

# గరిష్ట విలువను ముద్రించండి

ముద్రణ('శ్రేణి యొక్క గరిష్ట విలువ:',గరిష్ట_విలువ)

అవుట్‌పుట్ :

పై స్క్రిప్ట్‌ను అమలు చేసిన తర్వాత కింది అవుట్‌పుట్ కనిపిస్తుంది.

Min () ఫంక్షన్ ఉపయోగం

Min () ఫంక్షన్ యొక్క వాక్యనిర్మాణం క్రింద ఇవ్వబడింది.

వాక్యనిర్మాణం :

తిమ్మిరి.min(ఇన్పుట్_అరే,అక్షం=ఏదీ లేదు,బయటకు=ఏదీ లేదు,Keepdims=ఏదీ లేదు,ప్రారంభ=ఏదీ లేదు,ఎక్కడ=ఏదీ లేదు)

ఈ ఫంక్షన్ యొక్క వాదనల యొక్క ప్రయోజనాలు గరిష్ట () ఫంక్షన్ యొక్క భాగంలో వివరించబడిన గరిష్ట () ఫంక్షన్ వలె ఉంటాయి. ఇది ఇన్‌పుట్ శ్రేణి కనీస విలువను అందిస్తుంది.

ఉదాహరణ: min () ఫంక్షన్‌ను ఉపయోగించడం

కింది ఉదాహరణ ఒక డైమెన్షనల్ అర్రే యొక్క కనీస విలువను కనుగొనడానికి min () ఫంక్షన్ యొక్క ఉపయోగాన్ని చూపుతుంది.

# NumPy లైబ్రరీని దిగుమతి చేయండి

దిగుమతితిమ్మిరిగాఉదా

# పూర్ణాంకాల NumPy శ్రేణిని సృష్టించండి

np_array=ఉదా.అమరిక([ఇరవై ఒకటి, 5, 3. 4, 12, 30, 6])

# శ్రేణి నుండి గరిష్ట విలువను కనుగొనండి

గరిష్ట_విలువ=ఉదా.గరిష్టంగా(np_array)

# గరిష్ట విలువను ముద్రించండి

ముద్రణ('శ్రేణి యొక్క గరిష్ట విలువ:',గరిష్ట_విలువ)

అవుట్‌పుట్ :

పై స్క్రిప్ట్‌ను అమలు చేసిన తర్వాత కింది అవుట్‌పుట్ కనిపిస్తుంది.

ముగింపు

పైథాన్ స్క్రిప్ట్‌లో ఈ ఫంక్షన్‌లను ఉపయోగించే మార్గాలను తెలుసుకోవడానికి పాఠకులకు సహాయపడటానికి మూడు ఉపయోగకరమైన మొత్తం ఫంక్షన్ల (సగటు (), గరిష్ట () మరియు min ()) ప్రయోజనాలు ఈ ట్యుటోరియల్‌లో వివరించబడ్డాయి.