Matriz numpy de cuerdas

Podemos explicar una cadena como un grupo de caracteres. Tiene la misma función que cualquier otra matriz, pero almacena los caracteres y tiene un número fijo de elementos o índices. Como cualquier otro idioma, Numpy también admite las matrices de cadenas de caracteres para almacenar los caracteres o grupos de caracteres en forma de matrices. Ofrece un medio simple y práctico para almacenar los caracteres unicode y los caracteres de la cadena. Actúa como un constructor que usa un búfer para crear la matriz. Si el valor del búfer es igual a "ninguno", crea la matriz con "orden c" usando "zancadas". De lo contrario, crea una matriz con zancadas en "orden fortran".

Tenga en cuenta que "C" y "Fortran" son dos lenguajes de programación diferentes. Para este propósito, Numpy nos proporciona Numpy.Funcionalidad CharArray (). La diferencia entre crear las matrices con Numpy.Función CharArray () y la creación de matrices con matrices regulares con el tipo de cadena es que esta clase nos proporciona algunas funcionalidades extra eficientes. Cuando los valores están indexados, la función CharArray () elimina automáticamente los espacios en blanco al final. De la misma manera, durante las comparaciones, los propios operadores de comparación eliminan los espacios en blanco.

Sintaxis

La sintaxis para usar el numpy.CharArray () es el siguiente:

clase Numpy.CharArray (forma, itemsize = 1, unicode = false, buffer = none, offset = 0, strides = none, orden = none)

Ahora, discutamos los argumentos que se pasan a la función.

• forma: Sirve para especificar cómo se forma nuestra matriz. Es un parámetro opcional.
• Elemento: Es un parámetro opcional. Es un parámetro de tipo de datos entero que se utiliza para indicar la longitud de la matriz.
• Unicode: Este parámetro tiene un tipo de datos booleano y se usa para decirle a la función si toma el unicode como entrada o no.
• buffer: Es un parámetro opcional que indica la dirección de memoria del punto de partida de datos.
• compensar: Un parámetro opcional que es un desplazamiento de zancada fija de principio a fin.
• orden: El valor "C" o "F" se pasa por orden. También es un parámetro opcional.
• dónde: Es un parámetro opcional y se basa en la condición.

Ejemplo 1

Para entender el Numpy.Función CharArray con más detalle, discutamos un ejemplo. En el siguiente ejemplo, después de incluir la biblioteca Numpy, creamos una variable str_array y llama a nuestro numpy.Cararray Función contra él. En nuestra función, solo le hemos dado un parámetro que es (4,5). Aquí, el parámetro es la forma de nuestra matriz. Como discutimos anteriormente en nuestra introducción, los otros parámetros son opcionales, por lo que no necesitamos pasar esos parámetros ya que la función funciona sin esos parámetros y no daremos ningún error.

Inicializamos nuestra variable STR_ARR con el nombre "A" en la siguiente línea. Como sabemos, "A" es un personaje. Intentamos almacenar una cadena de personajes en nuestra matriz, por eso hemos tomado un personaje. Finalmente, simplemente imprimimos la variable str_arr para ver lo que posee después de toda la operación.

importar numpy como np
str_arr = np.Chararray ((4, 5))
str_arr [:] = 'a'
Imprimir (STR_ARR)

El compilador genera la siguiente salida después de ejecutar nuestro código. Discutamos qué sucedió y por qué el sistema nos ha dado esta salida. Los elementos totales en nuestra matriz son "20". Nuestra matriz tiene "4" filas y tiene "5" columnas. Esto se debe a que si pasamos el valor (4,5) como parámetro a nuestra función, la función toma ese parámetro como la forma de la matriz. Entonces, crea nuestra matriz de personajes en tal forma que debe tener cuatro filas y cinco columnas. Después de asignar la forma a nuestra matriz, pasamos un personaje "A" a nuestra variable STR_ARR. En nuestra salida, podemos ver que el sistema imprimió la cadena "A" como la salida, lo que significa que esta es nuestra matriz de cadenas.

Ejemplo 2

En el ejemplo anterior, intentamos explicar cómo funciona la función CharArray. En este ejemplo, verificamos si este tipo es compatible con otros tipos de datos para analizar o tipos de fundición o no. Para verificar, tomamos dos variables str_array e int_arr. Como explica el nombre, el str_arr almacena la matriz de cadenas e int_arr almacena la matriz int. Pasamos "5" a nuestra función, lo que significa que nuestra matriz es 1D y tiene cinco elementos.

Pasamos los números en formato de cadena a nuestra matriz para que el sistema tome esos valores como caracteres. Después de eso, creamos una matriz simple, pasamos nuestra matriz de cadenas a esa matriz simple y pasamos int32 como parámetro para su tipo de datos. Ahora, ejecutamos nuestro código para verificar si convierte nuestra matriz de cadenas en una matriz entera o no.

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)
Imprimir (int_arr)

La siguiente es la salida que obtuvimos después de la ejecución de nuestro código. Imprimimos ambas matrices para comparar sus salidas, la primera salida de una matriz de cadenas. Podemos ver que "B" es con cada elemento y cada elemento de la matriz está en citas individuales (") solo porque el sistema almacena las cadenas en citas. Entonces, desde la primera salida, podemos decir que nuestra matriz de cadenas almacena los números en formato de cadena. Ahora, esperemos con ansias la segunda salida.

En la segunda matriz, los números son los mismos que en la matriz anterior. Pero los elementos de la siguiente matriz simplemente difieren donde no están encerrados en comillas. Esto se debe a que el sistema no almacena los enteros de los números con citas. Entonces, al observar nuestra salida, podemos decir que cambiamos con éxito el tipo de matriz de cadena a entero.

Conclusión

En este tutorial, discutimos brevemente las matrices de cadenas en Numpy. Las matrices pueden estar en cualquier formato como enteros, caracteres, etc. Echamos un vistazo al Numpy.Función charrray () de la biblioteca Numpy. Intentamos comprender el comportamiento de las matrices de cadenas realizando múltiples ejemplos. También nos escribimos en las matrices de cadena a int con éxito. Hay muchas otras formas de almacenar y realizar una operación en matrices de cadenas en Numpy, pero explicamos el NP.Función CharArray específicamente, que es una función importante para proporcionar una vista conveniente de las matrices de valores de cadena y unicode.