నంపీ ఫ్రమ్‌స్ట్రింగ్ పద్ధతి

Nampi Phram String Pad Dhati



NumPy అనే పదం న్యూమరికల్ పైథాన్‌ని సూచిస్తుంది మరియు Num-pee లాగా ఉంటుంది. NumPy అనేది పైథాన్ ప్రోగ్రామింగ్ లాంగ్వేజ్ మాడ్యూల్, ఇది పెద్ద మరియు బహుళ-డైమెన్షనల్ శ్రేణులకు మద్దతును జోడించడం కోసం వర్తించబడుతుంది. NumPy శ్రేణులపై పనిచేయడానికి ప్రాథమిక విధులు, గణిత విధులు, గణాంక విధులు మరియు స్ట్రింగ్ ఫంక్షన్‌లను కలిగి ఉంది. NumPy అనేది మెషిన్ లెర్నింగ్ స్టాక్‌కు పునాది. NumPy fromstring() అనేది స్ట్రింగ్‌లోని ముడి బైనరీ లేదా టెక్స్ట్ డేటా నుండి కొత్త వన్-డైమెన్షనల్ అర్రే (1D అర్రే)ని నిర్మించడానికి లేదా రూపొందించడానికి ఉపయోగించే NumPy లైబ్రరీ యొక్క ఫంక్షన్. పేర్కొన్న డేటా రకం మరియు గణనకు అనుగుణంగా స్ట్రింగ్ తగిన పొడవు ఉండాలి. శ్రేణి డేటా రకం డిఫాల్ట్ విలువ అయి ఉండాలి: ఫ్లోట్. డేటా రకం సరిగ్గా లేకుంటే NumPy fromstring() ఫంక్షన్ విలువ లోపాన్ని ఇస్తుంది.

NumPy fromstring() ఫంక్షన్ యొక్క సింటాక్స్

NumPy fromstring() పద్ధతిని ఇలా ప్రకటించవచ్చు:

X = మొద్దుబారిన. స్ట్రింగ్ నుండి ( స్ట్రింగ్ , రకం = తేలుతుంది , లెక్కించండి = - 1 , సెప్టెంబర్ = '' )

NumPy fromstring() ఫంక్షన్ యొక్క పారామితులు

ఇక్కడ, మేము NumPy fromstring() ఫంక్షన్‌లో అందించిన ఆర్గ్యుమెంట్‌లను వివరంగా మాట్లాడుతాము:







స్ట్రింగ్ = [str] స్ట్రింగ్ అవసరం ఫీల్డ్. ఇది ముడి బైనరీ లేదా టెక్స్ట్ డేటాను కలిగి ఉంటుంది.



డిటైప్ చేయండి = ఇది తప్పనిసరి కాని క్షేత్రం. ఇది నిర్వచించిన శ్రేణి యొక్క డేటా రకాన్ని చూపుతుంది మరియు ఇది డిఫాల్ట్: ఫ్లోట్. బైనరీ డేటా కోసం, డేటా ఖచ్చితంగా ఈ ఫార్మాట్‌లో ఉండాలి.



లెక్కించు = ఇది లెక్కింపులో ఎన్ని ఉన్నాయి అనే సంఖ్యలను చదవడానికి ఉపయోగిస్తారు. ఇది డిఫాల్ట్‌గా ప్రతికూలంగా ఉంటే, స్ట్రింగ్ పొడవు నుండి డేటా లెక్కించబడుతుంది.





సెప్టెంబరు = ఇది సెపరేటర్ ఆపరేటర్‌ని సూచిస్తుంది. ఇది స్ట్రింగ్ మూలకాల మధ్య సంఖ్యలు మరియు తెల్లని ఖాళీలను వేరు చేయడానికి ఉపయోగించబడుతుంది.

NumPy fromstring() పద్ధతి యొక్క విలువ తిరిగి అందించబడింది

అమలు చేసిన తర్వాత NumPy fromstring() ఫంక్షన్ క్రింది విలువను అందిస్తుంది:



కొత్త 1D శ్రేణి స్ట్రింగ్ నుండి రూపొందించబడింది.

అమరిక [ ndarray ]

ఎర్రర్ లేవనెత్తింది

అభ్యర్థించిన డేటా రకం మరియు గణనను సంతృప్తి పరచడానికి స్ట్రింగ్ పరిమాణం సరిగ్గా లేనప్పుడు లోపం సంభవించింది.

పైథాన్ కోడ్‌లో NumPy fromstring() పద్ధతిని ఎలా ఉపయోగించాలో గురించి మాట్లాడుకుందాం.

ఉదాహరణ # 1:

ఈ దృష్టాంతంలో, 'dtype' మరియు 'sep' ఆర్గ్యుమెంట్‌లను ఉపయోగించి స్ట్రింగ్ నుండి కొత్త 1D శ్రేణిని ఎలా సృష్టించాలో మేము పరిశీలిస్తాము.

మేము NumPy లైబ్రరీ అయిన పైథాన్ లైబ్రరీని సమగ్రపరచడం ద్వారా ప్రారంభిస్తాము మరియు మేము దానిని npగా దిగుమతి చేసాము. NumPy అనేది సంఖ్యా కోడ్‌ని అమలు చేయడానికి పైథాన్ ప్రోగ్రామింగ్ లాంగ్వేజ్ యొక్క ముఖ్యమైన మాడ్యూల్. అప్పుడు, మేము 'p' వేరియబుల్‌ను ప్రారంభించాము. ఇక్కడ, మేము కొత్త ఒక డైమెన్షనల్ శ్రేణిని నిర్మించడానికి NumPy fromstring() పద్ధతిని పిలిచాము. మేము fromstring() ఫంక్షన్‌లోని ఆర్గ్యుమెంట్‌ను ఈ క్రింది విధంగా ఆమోదించాము: స్ట్రింగ్ అనేది ‘4 5’, డేటా రకం డిఫాల్ట్‌గా ‘ఫ్లోట్’ మరియు ‘sep’ సెపరేటర్ ఆర్గ్యుమెంట్ ‘’గా ఉపయోగించబడుతుంది. ఈ ఫంక్షన్ కొత్త వన్ డైమెన్షనల్ శ్రేణి యొక్క ఫలితాన్ని ఇస్తుంది కాబట్టి పని చేసింది. ఫలిత శ్రేణిని చూపించడానికి చివరి ప్రింట్ స్టేట్‌మెంట్ ప్రకటించబడింది.

అవుట్‌పుట్‌లో, మేము స్ట్రింగ్ నుండి సృష్టించబడిన కొత్త వన్-డైమెన్షనల్ శ్రేణిని కలిగి ఉన్నాము మరియు మేము ప్రింట్() పద్ధతిని ఉపయోగించినందున అవుట్‌పుట్ ప్రదర్శించబడుతుంది.

ఉదాహరణ # 2:

ఈ సందర్భంలో, స్ట్రింగ్ డేటా నుండి ఒక డైమెన్షనల్ అర్రే మళ్లీ నిర్మించబడుతుంది.

బహుళ డైమెన్షనల్ లేదా పెద్ద శ్రేణులకు మద్దతును జోడించే NumPyగా ఉన్న పైథాన్ లైబ్రరీని npగా దిగుమతి చేసుకోవడం మొదటి దశ. ఇన్‌పుట్ వేరియబుల్‌ని ఉపయోగించడం ద్వారా స్ట్రింగ్‌ను ప్రారంభించడం తదుపరి దశ. మేము ఫలిత విలువను సేవ్ చేసే ఇన్‌పుట్ వేరియబుల్‌గా 'x'ని ఉపయోగించాము. దాని తర్వాత, మేము ఒక కొత్త వన్ డైమెన్షనల్ శ్రేణిని నిర్మించడానికి NumPy fromstring() ఫంక్షన్‌ని పిలిచాము మరియు దానిని వేర్వేరు ఆర్గ్యుమెంట్‌లలో పంపాము. మేము స్ట్రింగ్ పరామితికి ‘24 25’ని పాస్ చేసాము మరియు ఈ స్ట్రింగ్ నుండి కొత్త శ్రేణి సృష్టించబడింది. ఫ్లోట్ డేటా రకం ఇక్కడ ఉపయోగించబడుతుంది. డేటా రకం సరిగ్గా అందించబడనప్పుడు, అది విలువ లోపాన్ని ఇస్తుంది. ‘sep’ (సెపరేటర్) పరామితి కూడా ‘’గా ఇవ్వబడింది. 'sep' ఆపరేటర్ సంఖ్యలను వేరు చేయడానికి మరియు మూలకాల మధ్య తెల్లని ఖాళీలను తొలగించడానికి సహాయపడుతుంది. అప్పుడు ప్రింట్ (x) పద్ధతి అంటారు. ఇది ఫలితాన్ని ప్రదర్శిస్తుంది.

దిగువ చూపిన విధంగా స్ట్రింగ్ డేటా నుండి ఒక డైమెన్షనల్ అర్రే నిర్మించబడింది.

ఉదాహరణ # 3:

ఫ్రమ్‌స్ట్రింగ్() పద్ధతి మరియు 'కౌంట్' ఆర్గ్యుమెంట్ ఉపయోగించి కొత్త 1డి శ్రేణిని సృష్టిస్తోంది.

మేము ఇప్పటికే స్ట్రింగ్, డేటా రకం మరియు సెప్ ఆర్గ్యుమెంట్ అనే మూడు పారామితుల గురించి మాట్లాడాము. ఈ ఉదాహరణలో, మేము NumPy fromstring() ఫంక్షన్‌లో పాస్ చేసిన కొత్త పరామితి ‘కౌంట్’ గురించి చర్చిస్తాము. ఈ పరామితి సంఖ్యలను లెక్కించడానికి ఉపయోగించబడుతుంది లేదా సంఖ్యలను చదవడానికి మరియు అది ఎన్నిసార్లు జరుగుతుందో చదవడానికి ఉపయోగించబడుతుంది.

ఇప్పుడు, ఈ పరామితి ఉపయోగించబడిన ఉదాహరణను చూద్దాం. ఇది 'కౌంట్' పరామితి గురించి మా భావనను క్లియర్ చేస్తుంది. ముందుగా, కోడ్‌ని అమలు చేయడంలో అవసరమైన స్టేట్‌మెంట్ పైథాన్ లైబ్రరీని దిగుమతి చేస్తోంది. ఇక్కడ ఉపయోగించిన పైథాన్ భాష యొక్క మాడ్యూల్ NumPy. మేము ఫ్రమ్‌స్ట్రింగ్() ఫంక్షన్‌ని కాల్ చేయడానికి npగా చేర్చాము. రెండవది, మేము NumPy fromstring() ఫంక్షన్ యొక్క డేటా లేదా విలువలను నిల్వ చేయడానికి ఇన్‌పుట్ వేరియబుల్‌గా 'స్ట్రింగ్'ని ప్రారంభించాము. అప్పుడు, NumPy fromstring() పద్ధతి అంటారు మరియు ఈ ఫంక్షన్ కోసం వివిధ పారామితులు అందించబడతాయి. ఇది కొత్త వన్-డైమెన్షనల్ శ్రేణిని సృష్టిస్తుంది. NumPy fromstring() ఫంక్షన్‌కు ఇవ్వబడిన పారామితులు క్రింది విధంగా ఉన్నాయి: యాదృచ్ఛిక పూర్ణాంక విలువలను ‘10 11 12 13’గా అందించిన స్ట్రింగ్. డేటా రకం 'dtype'గా సూచించబడుతుంది మరియు ఇది డిఫాల్ట్‌గా ఫ్లోట్ అవుతుంది. అప్పుడు, 'కౌంట్' పారామీటర్‌కు విలువ 2 ఇవ్వబడుతుంది, అంటే ఇది కొత్త వన్-డైమెన్షనల్ శ్రేణిని సృష్టించడానికి నిర్వచించిన స్ట్రింగ్‌లోని మొదటి 2 విలువలను గణిస్తుంది మరియు చివరిగా 'సెప్' పరామితి ప్రత్యేక సంఖ్యలకు పంపబడుతుంది మరియు మధ్య ఖాళీలను తొలగించడానికి వాటిని. ప్రింట్ స్టేట్‌మెంట్‌ను ప్రారంభించడం ద్వారా కొత్త శ్రేణిని ప్రింట్ చేయడం చివరి దశ.

ఫలితంగా ఒక డైమెన్షనల్ శ్రేణి క్రింది విధంగా ఉంది.

ముగింపు

ఈ గైడ్ NumPy fromstring() పద్ధతి యొక్క వివరణాత్మక వివరణను కలిగి ఉంది. ఈ ఫంక్షన్ నిర్దిష్ట స్ట్రింగ్ డేటా నుండి ఒక డైమెన్షనల్ శ్రేణిని నిర్మిస్తుంది. మేము అదనంగా ఈ ఫంక్షన్ యొక్క సింటాక్స్, ఇన్‌పుట్ పారామీటర్‌లు మరియు రిటర్న్ వాల్యూ గురించి చర్చించాము. మేము కొత్త 1d శ్రేణిని రూపొందించడానికి NumPy fromstring() పద్ధతిని ఉపయోగించిన అనేక కోడ్‌లను అమలు చేసాము.