मान लीजिए कि हमारे पास छात्रों का डेटा सरणियों के रूप में संग्रहीत है और हम असफल छात्रों को फ़िल्टर करना चाहते हैं। हम केवल सरणी को फ़िल्टर करेंगे और अनुत्तीर्ण छात्रों को बाहर कर देंगे और उत्तीर्ण छात्र की एक नई सरणी प्राप्त की जाएगी।
NumPy Array को फ़िल्टर करने के चरण
स्टेप 1: NumPy मॉड्यूल आयात करना।
चरण दो: एक सरणी बनाना।
चरण 3: फ़िल्टरिंग स्थिति जोड़ें।
चरण 4: एक नई फ़िल्टर की गई सरणी बनाएँ।
वाक्य - विन्यास:
सरणियों को फ़िल्टर करने के कई तरीके हैं। यह फ़िल्टर की स्थिति पर निर्भर करता है, जैसे अगर हमारे पास केवल एक शर्त है या हमारे पास एक से अधिक शर्त है।
विधि 1: एक शर्त के लिए हम निम्नलिखित सिंटैक्स का पालन करेंगे:
सरणी [ सरणी < स्थिति ]ऊपर उल्लिखित सिंटैक्स में, 'सरणी' उस सरणी का नाम है जिससे हम तत्वों को फ़िल्टर करेंगे। और शर्त वह स्थिति होगी जिस पर तत्वों को फ़िल्टर किया जाता है और ऑपरेटर '<' गणितीय संकेत है जो इससे कम का प्रतिनिधित्व करता है। जब हमारे पास केवल एक शर्त या कथन होता है तो इसका उपयोग करना कुशल होता है।
विधि 2: 'OR' ऑपरेटर का उपयोग करना
सरणी [ ( सरणी < शर्त1 ) | ( सरणी > शर्त 2 ) ]इस पद्धति में, 'सरणी' उस सरणी का नाम है जिससे हम मानों को फ़िल्टर करेंगे और शर्त इसे पास कर दी जाएगी। ऑपरेटर '|' 'OR' फ़ंक्शन का प्रतिनिधित्व करने के लिए प्रयोग किया जाता है जिसका अर्थ है कि दोनों स्थितियों से एक सत्य होना चाहिए। यह तब उपयोगी होता है जब दो स्थितियां हों।
विधि 3: 'AND' ऑपरेटर का उपयोग करना।
सरणी [ ( सरणी < शर्त1 ) और ( सरणी > शर्त 2 ) ]निम्नलिखित सिंटैक्स में, 'सरणी' फ़िल्टर की जाने वाली सरणी का नाम है। जबकि, उपरोक्त सिंटैक्स में चर्चा की गई स्थिति राज्य होगी, जबकि '&' का उपयोग करने वाला ऑपरेटर AND ऑपरेटर है, जिसका अर्थ है कि दोनों शर्तें सही होनी चाहिए।
विधि 4: सूचीबद्ध मूल्यों द्वारा फ़िल्टर करना
सरणी [ जैसे in1d ( सरणी , [ मूल्यों की सूची ] ) ]इस पद्धति में, हमने अपनी परिभाषित सरणी 'np.in1d' को पारित किया, जिसका उपयोग दो सरणियों की तुलना करने के लिए किया जाता है कि क्या फ़िल्टर किया जाने वाला सरणी का तत्व किसी अन्य सरणी में मौजूद है या नहीं। और सरणी को np.in1d फ़ंक्शन में पास किया जाता है जिसे दिए गए सरणी से फ़िल्टर किया जाना है।
उदाहरण # 01:
अब, ऊपर चर्चा की गई विधि को एक उदाहरण में लागू करते हैं। सबसे पहले, हम पायथन द्वारा प्रदान की गई हमारी NumPy लाइब्रेरी को शामिल करेंगे। फिर, हम 'my_array' नाम की एक सरणी बनाएंगे जिसमें '2', '3', '1', '9', '3', '5', '6', और '1' मान होंगे। इसके बाद, हम अपना फ़िल्टर कोड 'my_array[(my_array <5)]' प्रिंट स्टेटमेंट में पास करेंगे, जिसका अर्थ है कि हम '5' से कम के मानों को फ़िल्टर कर रहे हैं। अगली पंक्ति में, हमने 'सरणी' नाम की एक और सरणी बनाई जो '1', '2', '6', '3', '8', '1' और '0' मान रखने के लिए ज़िम्मेदार है। प्रिंट स्टेटमेंट के लिए, हमने इस शर्त को पारित किया है कि हम उन मानों को प्रिंट करेंगे जो 5 से अधिक हैं।
अंत में, हमने एक और सरणी बनाई जिसे हमने 'arr' नाम दिया। यह '6', '7', '10', '12' और '14' मान रखता है। अब इस सरणी के लिए, हम उस मान को प्रिंट करेंगे जो सरणी के भीतर मौजूद नहीं है, यह देखने के लिए कि यदि स्थिति मेल नहीं खाती है तो क्या होगा। ऐसा करने के लिए, हमने उस शर्त को पारित किया जो मान '5' के बराबर मान को फ़िल्टर करेगा।
आयात Numpy जैसा जैसेmy_array = जैसे सरणी ( [ दो , 3 , 1 , 9 , 3 , 5 , दो , 6 , 1 ] )
प्रिंट ( '5 से कम मान' , my_array [ ( my_array < 5 ) ] )
सरणी = जैसे सरणी ( [ 1 , दो , 6 , 3 , 8 , 1 , 0 ] )
प्रिंट ( '5 से अधिक मान' , सरणी [ ( सरणी > 5 ) ] )
आगमन = जैसे सरणी ( [ 6 , 7 , 10 , 12 , 14 ] )
प्रिंट ( 'मान 5 के बराबर' , आगमन [ ( आगमन == 5 ) ] )
कोड को निष्पादित करने के बाद, हमारे पास परिणाम के रूप में निम्नलिखित आउटपुट हैं, जिसमें हमने 3 आउटपुट प्रदर्शित किए हैं पहला एक '5' से कम तत्वों के लिए है दूसरे निष्पादन में हमने '5' से अधिक मान मुद्रित किए हैं। अंत में, हमने उस मान को मुद्रित किया जो मौजूद नहीं है क्योंकि हम देख सकते हैं कि यह कोई त्रुटि प्रदर्शित नहीं करता है लेकिन खाली सरणी प्रदर्शित करता है, जिसका अर्थ है कि वांछित मान दिए गए सरणी में मौजूद नहीं है।
उदाहरण # 02:
इस उदाहरण में, हम कुछ विधियों का उपयोग करेंगे जिसमें हम सरणियों को फ़िल्टर करने के लिए एक से अधिक शर्तों का उपयोग कर सकते हैं। इसे करने के लिए, हम केवल NumPy लाइब्रेरी को आयात करेंगे और फिर '9' आकार का एक-आयामी सरणी बनाएंगे, जिसमें '24', '3', '12', '9', '3', '5' मान होंगे। '2', '6', और '7'। अगली पंक्ति में, हमने एक प्रिंट स्टेटमेंट का उपयोग किया है, जिसमें हमने एक ऐरे को पास किया है जिसे हमने 'my_array' नाम के साथ एक तर्क के रूप में शर्त के साथ इनिशियलाइज़ किया है। इसमें हमने या शर्त पारित की है जिसका अर्थ है कि दोनों में से एक शर्त सत्य होनी चाहिए। यदि दोनों सत्य हैं, तो यह दोनों स्थितियों के लिए डेटा प्रदर्शित करेगा। इस स्थिति में, हम '5' से कम और '9' से बड़े मानों को प्रिंट करना चाहते हैं। अगली पंक्ति में, हमने AND ऑपरेटर का उपयोग यह जांचने के लिए किया कि क्या होगा यदि हम सरणी को फ़िल्टर करने के लिए किसी शर्त का उपयोग करते हैं। इस स्थिति में, हमने '5' से अधिक और '9' से कम मान प्रदर्शित किए।
आयात सुन्न जैसा जैसेmy_array = जैसे सरणी ( [ 24 , 3 , 12 , 9 , 3 , 5 , दो , 6 , 7 ] )
प्रिंट ( 'से कम मान' 5 या से अधिक 9 ' , my_array [ ( my_array < 5 ) | ( my_array > 9 ) ] )
प्रिंट ( 'से अधिक मूल्य' 5 तथा से कम 9 ' , my_array [ ( my_array > 5 ) और ( my_array < 9 ) ] )
जैसा कि नीचे दिए गए स्निपेट में दिखाया गया है, ऊपर दिए गए कोड के लिए हमारा परिणाम प्रदर्शित होता है जिसमें हमने सरणी को फ़िल्टर किया और निम्नलिखित परिणाम प्राप्त किया। जैसा कि हम देख सकते हैं कि 9 से अधिक और 5 से कम के मान पहले आउटपुट में प्रदर्शित होते हैं और 5 और 9 के बीच के मान उपेक्षित होते हैं। जबकि, अगली पंक्ति में, हमने '5' और '9' के बीच के मान मुद्रित किए हैं जो '6' और '7' हैं। सरणियों के अन्य मान प्रदर्शित नहीं होते हैं।
निष्कर्ष
इस गाइड में, हमने NumPy पैकेज द्वारा प्रदान की गई फ़िल्टर विधियों के उपयोग पर संक्षेप में चर्चा की है। हमने आपके लिए numpy द्वारा प्रदान की गई फ़िल्टर पद्धतियों को लागू करने के सर्वोत्तम तरीके के बारे में विस्तार से बताने के लिए कई उदाहरण लागू किए हैं।