“Como su nombre indica, Numpy es Numérica Python, y es una biblioteca avanzada (es una parte de los módulos pequeños) de Python que funcionará con matrices, cuerdas y listas. Numpy se usa en inteligencia artificial. En Python, si compilamos alguna matriz o lista, los datos se almacenarán dinámicamente, pero en Numpy, los datos se almacenarán secuencialmente. Debido a Numpy, nuestro trabajo será más rápido en comparación con Basic Python.
El zip () es una de las funciones de la biblioteca Numpy. La función numpy zip () se usa para unir las variables en un objeto o contenedor. Esta función funciona con múltiples objetos o contenedores iterables como una matriz, listas y cadenas. En esta función, el primer valor en cada objeto ITerable pasado se combina con el segundo valor en cada objeto ITerable pasado se combina y así. Si la longitud de los objetos iterables tiene diferentes longitudes, el objeto iterador que tiene la menor longitud decide la longitud del nuevo objeto iterador."
Sintaxis
Aquí está la sintaxis de la función numpy zip (), donde esta función funciona con múltiples objetos iterables simultáneamente. Usamos la palabra clave ZIP para llamar a esta función, y toma una cadena, matriz y enumera como un objeto Iterable dentro de ella como la variable de entrada.
Valor de parámetro
La función zip () contiene los objetos iterables que contienen cualquier número de parámetros con diferentes longitudes. Después de compilar esta función, solo devuelve un solo objeto porque esta función contiene todas las variables de los múltiples objetos iterables.
Ejemplo 01: función zip ()
Veamos el primer y simple ejemplo de la función numpy zip (). En este ejemplo, hemos declarado dos tuplas identificadas como "Object1" y "Object2". Asignamos una cadena a estas tuplas, el "Object1" tiene ("Angelo", "Chris", "Mona", "Cristiano") y el "Object2" tienen ("Mathews", "Jorden", "Lisa", ",", ",", ",", ". Ronaldo "). Luego creamos la nueva tupla llamada "Objeto", que contiene los parámetros de "Object1" y "Object2", y luego los juntamos. Luego utilizamos la función print () para imprimir la tupla "objeto".
Object1 = ("Angelo", "Chris", "Mona", "Cristiano")Aquí está la salida después de compilar el fragmento de código anterior.
Ejemplo 02: tuples que tienen diferentes longitudes
En el fragmento de código anterior, hemos declarado las dos tuplas con la misma longitud. Ahora veamos qué pasa si tenemos tuplas de diferentes longitudes. Como verá a continuación, agregamos parámetros de cadena en ambas tuplas, pero la tupla "Object2" tiene la menor longitud en ambas tuplas, por lo que la longitud del nuevo "objeto" de Tuple decidido por el "Object2" significa la longitud del "objeto" es lo mismo que "Object2".
Object1 = ("Angelo", "Chris", "Mona", "Cristiano", "Chris", "Mitchell Starc")Ejemplo 03: Pase solo una tupla
Intentemos otro ejemplo cuando solo tenemos una tupla, "Object1", que contiene parámetros de cadena ("Angelo", "Chris", "Mona", "Cristiano", "Chris"). Cuando pasamos solo una tupla iterable, devolverá el iterador 1-tuples. Luego creamos una nueva tupla llamada "Objeto" que contiene la función Zip () que se aplicó a la tupla "Object1".
Object1 = ("Angelo", "Chris", "Mona", "Cristiano", "Chris")Después de compilar el fragmento de código anterior, obtenemos esta salida relatable:
Ejemplo 04: No pasar parámetros
Veamos otro ejemplo en el que no hemos pasado ninguna tupla a la función zip (). Como ve a continuación en "Object1", no pasamos ningún parámetro. Luego aplicamos la función zip () al "objeto", y luego la imprimí.
Object1 = ()Aquí está la salida del código anterior. Cuando llamamos a la función zip (), obtenemos una tupla vacía.
Ejemplo 05
Ahora tenemos otro ejemplo más simple en el que calculamos el impuesto de cada artículo. La siguiente ilustración demuestra cómo usar la función ZIP () en Numpy para combinar tres listas y llevar a cabo la salida deseada. En la primera línea de código, tenemos que usar la impresión () para mostrar el mensaje en la salida "Calcular el impuesto sobre cada elemento". Esta cadena o mensaje nos dice que estamos calculando el impuesto sobre cada elemento en la lista de elementos.
Luego, creamos 3 listas de tuplas que es "elementos", "precio" e "impuesto". Hemos asignado valores de cadena "[" Sandalias "," Bottom "," Perfume "," Oenings "," Dress "]" a la lista de tuples "Elementos", y por otro lado, asignamos valores int "[10000, 64000, 35700, 26700, 83900] "a Tuple" precio "y el" impuesto "de tupla que tiene una lista de" [5, 10, 15, 20, 30] ".
Imprimir ("Calcular impuestos en cada artículo: \ n")Ahora hemos aplicado la función ZIP () a "elementos", "precio" e "impuesto". Y luego aplicamos el método list () a la función zip (), y luego se almacenará en otra tupla, "zip". Después de crear tuplas, utilizamos "para bucle" para mostrar la lista de datos, que se almacenó en los "elementos", "precio" e "impuesto". En el bucle for, hemos calculado el "impuesto" en cada artículo aplicando las fórmulas de impuestos "precio*impuesto/100" y almacenamos el resultado en otra variable, "total_tax".
Ahora tenemos que calcular el "Total_amount" de cada artículo, por lo que hemos agregado "Total_Tax" y "Price" y almacenamos el resultado en otra variable, "Total_amount". Para demostrar la salida requerida, usamos la función print (). En print (), mostramos "elementos", su "precio", "impuesto" que se implementó de acuerdo con el artículo, y "total_amount" de elementos. Y luego, aplicamos el método de formato () que se utiliza para formatear los "elementos", "precio", "impuesto" y "total_amount" e insertar los datos especificados dentro de estas tuplas.
Aquí está la salida necesaria de la ilustración anterior. Como puede ver, tenemos múltiples artículos con precios diferentes, y en cada artículo, se aplica un impuesto diferente. Tenemos diferentes cantidades para cada artículo porque el impuesto es diferente para cada artículo.
Conclusión
En este editorial, hemos estudiado qué es Numpy y por qué usamos la biblioteca Numpy. Luego discutimos una de las funciones de Numpy, que es la función Numpy Zip (). Hemos aprendido cuál es la función ZIP () y por qué usamos la función ZIP () en Numpy. También hemos analizado la sintaxis y los parámetros devueltos de la función numpy zip (). Luego realizamos múltiples ejemplos con su implementación de código para que no se dejara ningún punto de confusión. Espero que esta guía sea útil en su aprendizaje y comprensión de la función Zip () de Numpy.