नम्पी रीशेप में -1 की भूमिका को समझना

नम्पी में, रीशेप() विधि सरणी आकृतियों के परिवर्तन की अनुमति देती है। 2डी सरणियों के साथ काम करते समय, रीशेप(-1) का उपयोग करके उन्हें 1डी सरणियों में दोबारा आकार देना संभव है। उदाहरण के लिए:

import numpy as np

a = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
a.reshape(-1)
# Output: array([[1, 2, 3, 4, 5, 6, 7, 8]])

आम तौर पर, ऐरे[-1] ऐरे में अंतिम तत्व को दर्शाता है। हालाँकि, reshape(-1) के संदर्भ में, इसका एक अलग अर्थ है।

Reshape में -1 पैरामीटर

reshape में -1 पैरामीटर(- 1) वाइल्डकार्ड आयाम के रूप में कार्य करता है। यह इंगित करता है कि नए आकार का संबंधित आयाम स्वचालित रूप से निर्धारित किया जाना चाहिए। यह इस मानदंड को पूरा करके किया जाता है कि नए आकार को मूल सरणी आकार के साथ संरेखित करना होगा, इसके रैखिक आयाम को संरक्षित करना होगा। . उदाहरण के लिए, (-1, 3) या (2, -1) वैध आकार हैं, जबकि (-1, -1) वैध आकार नहीं हैं।

निम्नलिखित सरणी पर विचार करें:

z = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11 , 12]]) z.shape # (3, 4)

z = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
z.shape  # (3, 4)

z.reshape(-1) # आउटपुट: सरणी ([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]) # नया आकार: (12,)

z.reshape(-1)
# Output: array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12])
# New shape: (12,)

z.reshape(-1, 1) # आउटपुट: सरणी ([[1], [2], [3], [4], [5], [6], [7], [8], [9], [10], # [11], [12]]) # नया आकार: (12, 1)

z.reshape(-1, 1)
# Output: array([[ 1], [ 2], [ 3], [ 4], [ 5], [ 6], [ 7], [ 8], [ 9], [10],
#                [11], [12]])
# New shape: (12, 1)

z.reshape(1, -1) # आउटपुट: सरणी([[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]]) # नया आकार: (1, 12)

z.reshape(1, -1)
# Output: array([[ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12]])
# New shape: (1, 12)

z.reshape(2, -1) # आउटपुट: सरणी ([[1, 2, 3, 4, 5, 6], [7, 8, 9, 10, 11, 12]]) # नया आकार: (2, 6)

z.reshape(2, -1)
# Output: array([[ 1,  2,  3,  4,  5,  6], [ 7,  8,  9, 10, 11, 12]])
# New shape: (2, 6)

z.reshape(3, -1) # आउटपुट: सरणी ([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) # नया आकार: (3, 4)

z.reshape(3, -1)
# Output: array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
# New shape: (3, 4)

महत्व को समझने से reshape() में -1 में से, डेवलपर्स Numpy में अपनी विशिष्ट डेटा प्रोसेसिंग आवश्यकताओं को पूरा करने के लिए सरणी आकृतियों को प्रभावी ढंग से बदल सकते हैं।