Автор оригинала: Pankaj Kumar.

Numpy Set операций, чтобы узнать!

Здравствуйте, читатели! В этой статье мы узнаем универсальные операции Numpy Set в Python. Итак, давайте начнем! 🙂.

Полезные функции numpy set

Мы идем более 5 полезных функций Numpy Set в этой статье.

1. numpy.unique (массив)
2. numpy.union1d (массив, массив)
3. numpy.inseCt1d (массив, массив, assume_unique)
4. np.setdiff1d (arr1, arr2,)
5. NP.SETXOR1D (ARR1, ARR2,)

Давайте проверим эти операции индивидуально.

1. Уникальные значения из Numpy Array

Эта функция OUMPY SET помогает нам найти уникальные значения из набора элементов массива в Python. numpy.unique () Функция пропускает все дублирующие значения и представляет только уникальные элементы из массива

Синтаксис:

numpy.unique(array)

Пример:

В этом примере мы использовали уникальную () функцию для выбора и отображения уникальных элементов из набора массива. Таким образом, он пропускает дублирующее значение 30 и выбирает его только один раз.

import numpy as np
arr = np.array([30,60,90,30,100])
data = np.unique(arr)
print(data)

Выход:

[ 30  60  90 100]

2. Установите операцию Union на Numpy Array

Numpy предлагает нам универсальную Union1D () Функция, которая выполняет операцию Union на обоих массивах.

То есть он клубят ценности как от обоих массивов, так и представляют их. Этот процесс полностью пренебрегает дублирующими значениями и включает в себя только одно вхождение дубликата элемента в союзе набора массивов.

Синтаксис:

numpy.union1d(array,array)

Пример:

import numpy as np
arr1 = np.array([30,60,90,30,100])
arr2 = np.array([1,2,3,60,30])

data = np.union1d(arr1,arr2)

print(data)

Выход:

[  1   2   3  30  60  90 100]

3. Установите операцию пересечения на Numpy Array

INTERSECT1D () Функция позволяет нам выполнять операцию пересечения на массивах. То есть он выбирает и представляет общие элементы из обоих массивов.

Синтаксис:

numpy.intersect1d(array,array,assume_unique)

a s s u m e _ u n i q u e : е с л и у с т а н о в л е н о з н а ч е н и е t r u e , о н в к л ю ч а е т в с е б я д у б л и к а т ы з н а ч е н и я д л я о п е р а ц и и п е р е с е ч е н и я . У с т а н о в к а е г о д о F A L S E , п р и в е д е т к п р е н е б р е ж е н и ю д у б л и р о в а н н ы х з н а ч е н и й д л я о п е р а ц и и п е р е с е ч е н и я .

Пример:

Здесь, как мы установили assume_unique Для True, операция пересечения была выполнена, включая дублирующие значения I.e. Он выбирает общие значения из обоих массивов, включая дубликаты этих общих элементов.

import numpy as np
arr1 = np.array([30,60,90,30,100])
arr2 = np.array([1,2,3,60,30])

data = np.intersect1d(arr1, arr2, assume_unique=True)

print(data)

Выход:

[30 30 60]

4. Нахождение необычных ценностей с Numpy Array

С setdiff1d () Функция, мы можем найти и представлять все элементы из 1-го массива, которые нет в 2-м массиве в соответствии с параметрами, переданными на функцию.

import numpy as np
arr1 = np.array([30,60,90,30,100])
arr2 = np.array([1,2,3,60,30])

data = np.setdiff1d(arr1, arr2, assume_unique=True)

print(data)

Выход:

[ 90 100]

5. Симметричные различия

С setxor1d () Функция, мы можем рассчитать симметричные различия между элементами массива. То есть он выбирает и представляет все элементы, которые не распространены как в обоих массивах. Таким образом, он пропускает все общие значения из массивов и представляет различные значения относительно обоих массивов.

Пример:

import numpy as np
arr1 = np.array([30,60,90,30,100])
arr2 = np.array([1,2,3,60,30])

data = np.setxor1d(arr1, arr2, assume_unique=True)

print(data)

Выход:

[  1   2   3  90  100]

Заключение

По этому, мы подошли к концу этой темы. Не стесняйтесь комментировать ниже, если вы столкнетесь с любым вопросом. Для более таких постов, связанных с программированием Python, оставайся настроенными нами.

До этого, счастливого обучения !! 🙂.