در این مطلب، ویدئو Python – Numpy خالی، پر، صفر، یک، arange، genfromtxt با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,439 –> 00:00:03,780
بسیار خوب، پس قبل از شروع این آموزش با یک آموزش راهبه دیگر به اینجا برگشتیم،
2
00:00:03,780 –> 00:00:06,089
3
00:00:06,089 –> 00:00:09,719
فقط می خواهم به شما نشان دهم که همه این
4
00:00:09,719 –> 00:00:12,690
آموزش ها تایپ شده اند و من آنها را به صورت
5
00:00:12,690 –> 00:00:15,450
آنلاین در این وب سایت دارم گزینه های منبع باز.
6
00:00:15,450 –> 00:00:17,970
7
00:00:17,970 –> 00:00:19,949
هنوز تعداد زیادی آموزش تکمیل شده است،
8
00:00:19,949 –> 00:00:24,000
اما این پنجمین آموزش numpy است و
9
00:00:24,000 –> 00:00:27,060
تا کنون همه آنها آماده شده اند، بنابراین شما می توانید
10
00:00:27,060 –> 00:00:29,570
به آنها دسترسی داشته باشید و همه کدها را اینجا ببینید،
11
00:00:29,570 –> 00:00:33,120
فقط برای اینکه از آن آگاه باشید، اما
12
00:00:33,120 –> 00:00:35,280
من پیوندی به آن در اینجا قرار خواهم داد. توضیحات ویدیو را
13
00:00:35,280 –> 00:00:37,649
ببینید تا بتوانید آن را ببینید، بیایید ادامه دهیم
14
00:00:37,649 –> 00:00:40,980
و آموزش را
15
00:00:40,980 –> 00:00:46,289
برای این زمان شروع کنیم، بنابراین طبق معمول
16
00:00:46,289 –> 00:00:50,190
numpy را به عنوان NP وارد می کنیم و در اینجا می
17
00:00:50,190 –> 00:00:52,110
خواهیم روش هایی را برای ایجاد خودکار آرایه مرور
18
00:00:52,110 –> 00:00:54,420
کنیم، زیرا ما قبلا تایپ کردن آنها
19
00:00:54,420 –> 00:00:57,090
به صورت دستی تا کنون و این
20
00:00:57,090 –> 00:00:59,789
برای کار با داده های زیادی امکان پذیر نیست، بنابراین
21
00:00:59,789 –> 00:01:02,340
ما با NP خالی numpy
22
00:01:02,340 –> 00:01:04,799
خالی شروع می کنیم و این یک آرایه خالی ایجاد می کند تا
23
00:01:04,799 –> 00:01:08,909
NP خالی باشد و پارامتری که
24
00:01:08,909 –> 00:01:10,770
به آن می دهم شما هستید. با دادن یک
25
00:01:10,770 –> 00:01:13,830
تاپل به آن یک دو به دو یا یک
26
00:01:13,830 –> 00:01:16,290
ضربه انته ایجاد می شود r a را چاپ می کند و می توانید ببینید
27
00:01:16,290 –> 00:01:18,119
که من این آرایه دو به دو را دارم،
28
00:01:18,119 –> 00:01:21,180
همچنین متوجه خواهید شد که در واقع خالی نیست کاری که
29
00:01:21,180 –> 00:01:22,560
numpy قرار است انجام دهد، این است
30
00:01:22,560 –> 00:01:24,689
که مقادیری را در این آرایه قرار می دهد، من فقط
31
00:01:24,689 –> 00:01:26,369
آنها را با مقداردهی اولیه می کنم. اساساً یک
32
00:01:26,369 –> 00:01:28,110
مقادیر تصادفی که میتوانید ببینید، همگی
33
00:01:28,110 –> 00:01:31,320
مقادیر بسیار کوچکی هستند، اما این چیزی است که به
34
00:01:31,320 –> 00:01:32,850
دست میآورید، ما میتوانیم آرایهای
35
00:01:32,850 –> 00:01:39,240
با اندازههای متفاوت ایجاد کنیم که چند سطر میخواهید
36
00:01:39,240 –> 00:01:43,890
، یکی را با هفت سطر و چهار
37
00:01:43,890 –> 00:01:49,829
ستون انجام نمیدهید. می توانم
38
00:01:49,829 –> 00:01:51,840
ستونی را که در اینجا پیچیده شده است ببینم اما هفت
39
00:01:51,840 –> 00:01:53,970
سطر چهار ستون کار دیگری که می
40
00:01:53,970 –> 00:01:57,990
توانم انجام دهم این است که می توانم یک نوع به این آرایه اضافه کنم
41
00:01:57,990 –> 00:02:00,960
و وقتی می گویم سلام منظورم یک
42
00:02:00,960 –> 00:02:05,280
نوع داده است و از دستور نوع T
43
00:02:05,280 –> 00:02:08,429
یک آرگومان نوع D یا پارامتر so nerdy
44
00:02:08,429 –> 00:02:13,860
type برابر MP float32 است، بنابراین
45
00:02:13,860 –> 00:02:15,360
یک آرایه تولیدی از مقادیر ممیز شناور ایجاد می کند
46
00:02:15,360 –> 00:02:17,310
که من قبلاً انجام داده ام، اما
47
00:02:17,310 –> 00:02:19,560
ما فقط این کار را دوباره انجام می دهیم، می توانید ببینید
48
00:02:19,560 –> 00:02:22,080
که من مقادیر شناور دارم و از این نوع D در انتهای آن سؤال می کنیم.
49
00:02:22,080 –> 00:02:25,050
آرایه من می
50
00:02:25,050 –> 00:02:26,010
توانم همان کاری
51
00:02:26,010 –> 00:02:27,810
را انجام دهم که دوباره فرمان را دریافت نخواهیم کرد
52
00:02:27,810 –> 00:02:29,970
شاید من میخواهیم این بار یک عدد صحیح انجام
53
00:02:29,970 –> 00:02:33,810
دهیم، ما NP dot int را انجام میدهیم و میتوانید
54
00:02:33,810 –> 00:02:36,810
اینجا ببینید که همه اینها اعداد صحیح هستند که
55
00:02:36,810 –> 00:02:39,630
این اعداد صحیح بسیار بزرگ مقادیر صحیحی
56
00:02:39,630 –> 00:02:40,760
دارند،
57
00:02:40,760 –> 00:02:44,640
بنابراین این فرض اصلی برای
58
00:02:44,640 –> 00:02:48,269
ایجاد یک آرایه خالی و numpy است
59
00:02:48,269 –> 00:02:50,700
حالا چه میشود اگر من میخواهید آن آرایه را
60
00:02:50,700 –> 00:02:53,700
با مقدار مشخصی پر کنید، اجازه دهید یک
61
00:02:53,700 –> 00:03:02,100
شناور خالی درست در اینجا ایجاد
62
00:03:02,100 –> 00:03:08,160
63
00:03:08,160 –> 00:03:10,950
کنیم.
64
00:03:10,950 –> 00:03:13,760
65
00:03:13,760 –> 00:03:16,920
دلایلی وجود دارد که منظورم این است که من
66
00:03:16,920 –> 00:03:18,269
مقدار OData را خرج می کنم می خواهم بدون داده شروع
67
00:03:18,269 –> 00:03:21,690
کنم، خوب انجام آن آسان است، می توانم یک
68
00:03:21,690 –> 00:03:27,420
صورتحساب نقطه ای انجام دهم و مقدار fill خود را قرار دهم و اکنون
69
00:03:27,420 –> 00:03:30,079
می بینید که من همه آن مقادیر را
70
00:03:30,079 –> 00:03:36,510
با 99 پر کردم شاید این یک عدد صحیح بود. بیایید
71
00:03:36,510 –> 00:03:39,709
به صفحه برگردیم که اکنون شماست، بنابراین
72
00:03:39,709 –> 00:03:43,260
ما آن را تبدیل به یک خفاش MP می کنیم، آن را چاپ
73
00:03:43,260 –> 00:03:47,370
کنید، شما آن را دارید، ما
74
00:03:47,370 –> 00:03:51,000
مقادیر صحیح خود را در آنجا داریم و می خواهم
75
00:03:51,000 –> 00:03:53,579
آن را با 99.99 پر کنم که جریانی است
76
00:03:53,579 –> 00:03:56,579
که قرار است اتفاق بیفتد. بیایید
77
00:03:56,579 –> 00:04:01,739
دریابیم تا یک نقطه 99.99 را پر کند
78
00:04:01,739 –> 00:04:04,049
، ما وارد آن می شویم هیچ خطایی نخواهم دید،
79
00:04:04,049 –> 00:04:07,019
اجازه دهید a را چاپ کنیم و می بینید که آنها
80
00:04:07,019 –> 00:04:09,540
فقط آن مقادیر را به عنوان اعداد صحیح قرار می دهند،
81
00:04:09,540 –> 00:04:11,610
حتی اگر من یک مقدار جریان را وارد کردم،
82
00:04:11,610 –> 00:04:13,890
زیرا این یک آرایه عدد صحیح است، فقط
83
00:04:13,890 –> 00:04:16,560
صفحه را پاک می کند، به بالا
84
00:04:16,560 –> 00:04:18,180
برگردیم و آن را قرار خواهیم داد. دوباره بالا
85
00:04:18,180 –> 00:04:22,860
و آنها هیچ متغیری نیستند، حالا
86
00:04:22,860 –> 00:04:25,320
اگر آن را با یک مدیر میانی پر نقطه انجام دهیم،
87
00:04:25,320 –> 00:04:28,940
چیزی که 22 نامیده میشود، پر
88
00:04:28,940 –> 00:04:32,150
کنم، میتوانید ببینید که با یک عدد صحیح پر شده است، بسیار
89
00:04:32,150 –> 00:04:38,400
ساده است، بنابراین یک
90
00:04:38,400 –> 00:04:40,170
آرایه ایجاد کردیم و آن را به روش دیگری پر کردیم. ما
91
00:04:40,170 –> 00:04:41,880
میتوانیم یک آرایه بسازیم، به این میگوییم
92
00:04:41,880 –> 00:04:47,970
Z است با NP صفرها و
93
00:04:47,970 –> 00:04:49,770
این همان آرگومانهایی را میگیرد که
94
00:04:49,770 –> 00:04:52,050
به آن شکلی به pool میدهیم، این
95
00:04:52,050 –> 00:04:56,600
یکی را 3 در 4 میکنیم و میدهیم. این یک نوع D است
96
00:04:56,810 –> 00:05:03,240
و ما این شناور را 32 می کنیم و
97
00:05:03,240 –> 00:05:05,280
Z را چاپ می کنیم همانطور که می بینید این یک آرایه
98
00:05:05,280 –> 00:05:07,800
است که فقط از صفرهای ممیز شناور پر شده است به
99
00:05:07,800 –> 00:05:11,070
اندازه کافی آسان است ما می توانیم همان کار را برای یک
100
00:05:11,070 –> 00:05:14,100
آرایه عدد صحیح انجام
101
00:05:14,100 –> 00:05:16,590
دهیم. همچنین یک MP یک تابع یک numpy وجود دارد،
102
00:05:16,590 –> 00:05:22,940
بنابراین ما میتوانیم برابر با MP یک تابع
103
00:05:22,940 –> 00:05:31,470
آن را 3 در 4 کنیم تا آنجا را ببینیم و
104
00:05:31,470 –> 00:05:37,020
ما این یکی را به یک عدد صحیح تبدیل م