Gabinete Numpy de Strings

Podemos explicar uma string como um grupo de personagens. Ele tem a mesma função que qualquer outra matriz, mas armazena os caracteres e tem um número fixo de elementos ou índices. Como qualquer outro idioma, Numpy também suporta as matrizes de string de caracteres para armazenar os personagens ou grupos de personagens na forma de matrizes. Oferece meios simples e práticos de armazenar os caracteres unicode e caracteres de string. Ele atua como um construtor que usa um buffer para criar a matriz. Se o valor do buffer for igual a "nenhum", ele cria a matriz com "C Ordem" usando "Sques". Caso contrário, ele cria uma matriz com passos em "Fortran Order".

Observe que "C" e "Fortran" são duas linguagens de programação diferentes. Para esse fim, Numpy nos fornece com Numpy.Funcionalidade CharArray (). A diferença entre criar as matrizes com Numpy.CharArray () Função e criar as matrizes com matrizes regulares com o tipo de string é que esta classe nos fornece algumas funcionalidades extra eficientes. Quando os valores são indexados, a função CharArray () remove automaticamente os espaços em branco no final. Da mesma forma, durante as comparações, os espaços de branco são removidos pelos próprios operadores de comparação.

Sintaxe

A sintaxe para usar o Numpy.CharArray () é o seguinte:

classe Numpy.CharArray (Shape, Itensize = 1, Unicode = False, Buffer = Nenhum, Offset = 0, Squides = Nenhum, Order = Nenhum)

Agora, vamos discutir os argumentos que são passados ​​para a função.

• forma: Serve para especificar como nossa matriz é moldada. É um parâmetro opcional.
• itens mize: É um parâmetro opcional. É um parâmetro inteiro de dados de dados que é usado para dizer o comprimento da matriz.
• Unicode: Este parâmetro possui um tipo de dados booleano e é usado para dizer a função se ele toma o unicode como entrada ou não.
• amortecedor: É um parâmetro opcional que informa o endereço de memória do ponto de partida dos dados.
• desvio: Um parâmetro opcional que é deslocamento fixo de passada do começo ao fim.
• ordem: Valor "C" ou "F" é passado para o pedido. Também é um parâmetro opcional.
• onde: É um parâmetro opcional e é baseado em condição.

Exemplo 1

Para entender o Numpy.CharArray Funciona com mais detalhes, vamos discutir um exemplo. No exemplo seguinte, depois de incluir a biblioteca Numpy, criamos uma variável str_array e chama nosso Numpy.CharArray funcione contra isso. Em nossa função, damos apenas um parâmetro que é (4,5). Aqui, o parâmetro é a forma de nossa matriz. Como discutimos anteriormente em nossa introdução, os outros parâmetros são opcionais, por isso não precisamos passar esses parâmetros, pois a função funciona sem esses parâmetros e não daremos erros.

Inicializamos nossa variável str_arr com o nome "A" na linha a seguir. Como sabemos, "A" é um personagem. Tentamos armazenar uma corda de personagem em nossa matriz, é por isso que pegamos um personagem. Finalmente, simplesmente imprimimos a variável str_arr para ver o que ela reserva após toda a operação.

importar numpy como np
str_arr = np.CharArray ((4, 5))
str_arr [:] = 'a'
impressão (str_arr)

O compilador gera a seguinte saída após executar nosso código. Vamos discutir o que aconteceu e por que o sistema nos deu esta saída. Os elementos totais em nossa matriz são "20". Nossa matriz possui linhas “4” e colunas “5”. Isso ocorre porque se passarmos o valor (4,5) como um parâmetro para nossa função, a função leva esse parâmetro como a forma da matriz. Então, ele cria nossa matriz de personagens de tal forma que deve ter quatro linhas e cinco colunas. Depois de atribuir a forma à nossa matriz, passamos um personagem "A" para nossa variável str_arr. Em nossa saída, podemos ver que o sistema imprimiu a string "A" como a saída, o que significa que esta é a nossa matriz de string.

Exemplo 2

No exemplo anterior, tentamos explicar como funciona a função CharArray. Neste exemplo, verificamos se esse tipo é compatível com outros tipos de dados para analisar ou tipo de fundição ou não. Para verificar, pegamos duas variáveis ​​str_array e int_arr. Como o nome explica, o str_arr armazena a matriz de string e o int_arr armazena a matriz int. Passamos "5" para nossa função, o que significa que nossa matriz é 1d e tem cinco elementos.

Passamos os números no formato de string para nossa matriz para que o sistema leve esses valores como caracteres. Depois disso, criamos uma matriz simples, passamos nossa matriz de string a essa matriz simples e passamos o Int32 como um parâmetro para o seu tipo de dados. Agora, executamos nosso código para verificar se ele converte nossa matriz de string em uma matriz inteira ou não.

importar numpy como np
str_array = np.CharArray (5)
str_array [:] = [b'1 ', b'0', b'1 ', b'0', b'1 ']
int_arr = np.Array (str_array, dtype = np.int32)
Imprimir (Str_array)
impressão (int_arr)

A seguir, é apresentado a saída que obtivemos após a execução do nosso código. Imprimos as duas matrizes para comparar suas saídas, a primeira saída de uma matriz de string. Podemos ver que "B" está em todos os elementos e todos os elementos da matriz estão em citações únicas (") apenas porque o sistema armazena as cordas nas citações. Portanto, desde a primeira saída, podemos dizer que nossa matriz de strings armazena os números no formato da string. Agora, vamos esperar a segunda saída.

Na segunda matriz, os números são os mesmos da matriz anterior. Mas os itens da seguinte matriz diferem apenas onde eles não estão fechados em marcas de aspas. Isso ocorre porque o sistema não armazena os números inteiros com cotações. Então, olhando para a nossa saída, podemos dizer que mudamos com sucesso o tipo de nossa matriz de string para inteiro.

Conclusão

Neste tutorial, discutimos brevemente as matrizes de string em Numpy. Matrizes podem estar em qualquer formato como números inteiros, personagens, etc. Demos uma olhada no Numpy.Função Charrray () da Biblioteca Numpy. Tentamos entender o comportamento das matrizes de string, realizando vários exemplos. Também digitamos as matrizes de string para int com sucesso. Existem muitas outras maneiras de armazenar e executar uma operação em matrizes de strings em Numpy, mas explicamos o NP.Função CharArray especificamente, o que é uma função importante para fornecer uma visão conveniente de matrizes de valores de string e unicode.