Python-3.4.3/C3/Getting-started-with-arrays/Telugu

Time	Narration
00:01	Getting started with arrays అనే స్పోకెన్ ట్యుటోరియల్ కు స్వాగతం.
00:06	ఈ ట్యుటోరియల్ లో మనం నేర్చుకునేవి, డేటాను ఉపయోగించి arrays ను సృష్టించడం Lists నుండి arrays ను సృష్టించడం ప్రాధమిక array ఆపరేషన్స్ ను చేయడం ఒక identity matrix ను సృష్టించడం మరియు method zeros ను ఉపయోగించడం.
00:24	ఈ ట్యుటోరియల్ ను రికార్డ్ చేయడానికి, నేను Ubuntu Linux 16.04 ఆపరేటింగ్ సిస్టమ్ Python 3.4.3 మరియు IPython 5.1.0 లను ఉపయోగిస్తున్నాను.
00:39	ఈ ట్యుటోరియల్ ను సాధన చేయటానికి, మీకు Lists ను ఎలా ఉపయోగించాలో తెలిసిఉండాలి. ఒకవేళ లేకపోతే, సంబంధిత Python ట్యుటోరియల్స్ ను ఈ వెబ్సైట్ పై చూడండి.
00:50	Arrays అనేవి homogeneous data structures (సజాతీయ డేటా నిర్మాణాలు). దానిలోని elements అన్ని ఒకే data type గా ఉండాలి.
00:58	ఈ ట్యుటోరియల్లో, మనము మునుపటి ట్యుటోరియల్లో ఉపయోగించిన numpy library ను ఉపయోగిస్తాము.
01:05	ముందుగా మనం Ctrl + Alt + T కీలను ఒకేసారి కలిపి నొక్కడం ద్వారా terminal ను తెరుద్దాం.
01:12	ipython3 అని టైప్ చేసి Enter నొక్కడం ద్వారా మనం ipython ను ప్రారంభిద్దాం. మనం ipython prompt ను చూడవచ్చు.
01:22	ఇప్పుడు మనం నంపీ ను దిగుమతి చేస్తాము, import numpy as np అని టైప్ చేసి, Enter నొక్కండి.
01:32	ఇప్పుడు మనం arrays ను ఎలా సృష్టించాలో చూద్దాం.
01:36	ఇక్కడ నుండి, terminal పై ప్రతి కమాండ్ ను టైప్ చేసిన తర్వాత Enter కీ ని నొక్కాలని దయచేసి గుర్తుపెట్టుకోండి.
01:44	a1 is equal to np dot array పరన్తసిస్ ల లోపల స్క్వేర్ బ్రాకెట్స్ లోపల 1 కామా 2 కామా 3 కామా 4 అని టైప్ చేయండి.
01:54	a1 అని టైప్ చేయండి, మనం ఇక్కడ ఒక one dimensional array ను సృష్టించామని గమనించండి.
02:02	ఇది కూడా గమనించండి మనం ఒక array ను సృష్టించడానికి list అనే ఆబ్జక్టు ను పంపించాము అంటే a1.
02:09	తరువాత మనం ఒక two dimensional array ను ఎలా సృష్టించాలో చూస్తాం.
02:14	lists యొక్క list ను array కు మార్చడం ద్వారా ఒక Two dimensional array సృష్టించబడుతుంది.
02:20	a2 is equal to np dot array పరన్తసిస్ ల లోపల స్క్వేర్ బ్రాకెట్స్ లోపల మళ్ళీ స్క్వేర్ బ్రాకెట్స్ లోపల 1 కామా 2 కామా 3 కామా 4 కామా స్క్వేర్ బ్రాకెట్స్ లోపల 5 కామా 6 కామా 7 కామా 8 అని టైప్ చేయండి.
02:38	a2 అని టైప్ చేయండి ఇది మన 2-dimensional array.
02:44	తరువాత మనం arange method గురించి చూస్తాము.
02:48	ఒక array లోని elements ను అమర్చడానికి మనం arange method ను ఉపయోగిస్తాము. సింటాక్స్ ఇక్కడ చూపబడింది.
02:57	ar is equal to np dot arrange పరన్తసిస్ ల లోపల 1 కామా 9 అని టైప్ చేయండి.
03:04	print పరన్తసిస్ ల లోపల ar అని టైప్ చేయండి.
03:08	ఇక్కడ, 1 అనేది ప్రారంభ విలువ మరియు 9 అనేది ముగింపు విలువ.
03:13	మీరు చూస్తున్నట్లుగా, మనము 1 మరియు 9 ల మధ్య, 9 ని మినహాయించి 1 తో సహా ఒక one dimensional array ను పొందాము.
03:22	ఇది ముగింపు విలువ కంటే ఒకటి తక్కువ elements ను ఇస్తుంది.
03:26	2 బై 4 క్రమం యొక్క ఒక two dimensional array ను మనం చేయగలమా? అవును, మనము దీన్ని చేయగలం.
03:33	ఒక array యొక్క ఆకారాన్ని మార్చడానికి మనం reshape method ను ఉపయోగిస్తాము.
03:38	సింటాక్స్ అనేది object.reshape పరన్తసిస్ ల లోపల rows కామా columns.
03:45	terminal కు తిరిగి మారండి
03:48	ar dot reshape పరన్తసిస్ ల లోపల 2 కామా 4 అని టైప్ చేయండి.
03:54	ar అని టైపు చేయండి, అసలు array ar యొక్క ఆకారం మార్చబడలేదు.
04:00	ఒకవేళ మీరు అసలు array ar యొక్క ఆకారం అనేది మార్చాలనుకుంటే, ar dot shape is equal to పరన్తసిస్ ల లోపల 2 కామా 4 అని టైప్ చేయండి.
04:11	ar అని టైప్ చేయండి. అసలు array ar ఆకారం ఇప్పుడు మార్చబడిందని మనం చూడవచ్చు.
04:20	ఒక array యొక్క ఆకారాన్ని కనుగొనడానికి మనం method shape ను ఉపయోగించవచ్చు.
04:25	ఇది ఒక array యొక్క shape యొక్క tuple ను తిరిగి ఇస్తుంది. tuple అనేది elements యొక్క ఒక ordered list.
04:34	ఇప్పటివరకు మనం సృష్టించిన arrays యొక్క ఆకారాన్ని తనిఖీ చేద్దాం.
04:38	a2 dot shape అని టైప్ చేయండి a2.shape ఆబ్జక్ట్ అనేది ఒక tuple, మరియు ఇది tuple (2, 4) ను తిరిగి ఇస్తుంది.
04:47	ఇక్కడ వీడియోను పాజ్ చేయండి. క్రింది అభ్యాసాన్నిప్రయత్నించి వీడియోను పునఃప్రారంభించండి.
04:52	ఈ ట్యుటోరియల్లో మనం ఇంతకుముందు సృష్టించిన అర్రేస్ a1 మరియు ar ల (షేప్)ఆకారాన్ని కనుగొనండి.
04:58	మనం పరిష్కారం చూద్దాం. a1 dot shape అని టైప్ చేయండి.
05:04	a1 అనేది ఒక సింగిల్ డైమెన్షనల్ అర్రే కాబట్టి, column ఖాళీగా ఉంది.
05:09	ar dot shape అని టైప్ చేయండి. ar అనేది ఒక two dimensional array.
05:15	ఇప్పుడు మనం వేర్వేరు datatypes యొక్క ఎలిమెంట్స్ తో ఒక క్రొత్త array ను సృష్టించడానికి ప్రయత్నిద్దాం.
05:21	a3 is equal to np dot array పరన్తసిస్ ల లోపల స్క్వేర్ బ్రాకెట్స్ లోపల 1 కామా 2 కామా 3 కామా సింగిల్ కోట్స్ లోపల a string అని టైప్ చేయండి.
05:33	Arrays అనేవి ఎలిమెంట్స్ ను అదే datatype తో హేండిల్ చేస్తాయి.
05:37	ఇక్కడ మనం వేర్వేరు datatypes తో హేండిల్ చేస్తున్నాము. కనుక ఇది మనకు ఎర్రర్ ను ఇవ్వాలి.
05:44	a3 అని టైప్ చేయండి, కానీ మనకు ఎటువంటి ఎర్రర్ రాలేదు. ఎందుకంటే అన్ని ఎలిమెంట్స్ అవ్యక్తంగా strings గా మార్చబడతాయి కనుక.
05:54	array ఈవిధంగా పనిచేస్తుంది.
05:57	అవుట్పుట్ dtype = <U21 ను ప్రస్తావించిందని గమనించండి
06:04	ఒక dtype అనేది ఆబ్జక్ట్స్ ను ఒక శ్రేణిలో ఉంచడానికి అవసరమైన datatype.
06:10	dtype యొక్క కేరక్టర్స్ అనగా <U21 అనేది python వర్షన్ తో విభిన్నంగా ఉండవచ్చు.
06:17	తరువాత మనం identity matrix గురించి చూస్తాం.
06:21	ఇది (ప్రధాన వికర్ణం) main diagonal పై అన్ని ఒకట్లతో మరియు అన్ని ఇతర ఎలిమెంట్స్ అనేవి సున్నాలుగా ఉండే (n,n) క్రమం యొక్క ఒక square matrix.
06:29	సింటాక్స్ అనేది identity పరన్తసిస్ ల లోపల n.
06:34	మనం ఒక 2 by 2 dentity matrix ను ఎలా సృష్టించాలో చూద్దాం.
06:39	np dot identity పరన్తసిస్ ల లోపల 2 అని టైప్ చేయండి.
06:45	ఊహించిన విధంగా (ప్రధాన వికర్ణం) main diagonal లో మనం అన్నీ ఒకట్లను చూడవచ్చు
06:50	తరువాతది Zeros method.
06:53	ఇది అన్ని ఎలిమెంట్స్ 0 గా ఉండే ఒక m by n మాట్రిక్స్ ను సృష్టిస్తుంది.
06:58	సింటాక్స్ అనేది zeros పరన్తసిస్ ల లోపల పరన్తసిస్ ల లోపల m, n.
07:05	మనం అన్నిఎలిమెంట్స్ సున్నాలతో ఉండే (4, 5) ఆకారం యొక్క ఒక array ను సృష్టిద్దాం.
07:11	np dot zeros పరన్తసిస్ ల లోపల పరన్తసిస్ ల లోపల 4 కామా 5 అని టైప్ చేయండి.
07:18	identity మరియు zeros method యొక్క అప్రమేయ ఔట్పుట్ లు అనేవి float datatype లో ఉంటాయి.
07:24	క్రింది functions ను మీ స్వంతంగా అన్వేషించండి: zeros_like ones ones_like
07:34	కింది వాటిని ప్రయత్నించండి.
07:36	ముందుగా మనం ఇంతకుముందు కేటాయించిన a1 యొక్క విలువను తనిఖీ చేయండి.
07:41	a1 అని టైప్ చేయండి. మనం a1 అనేది ఒక single dimensional array అని చూస్తాము.
07:48	ఇప్పుడు మనం a1 multiplied by 2 ను ప్రయత్నిద్దాం. ఇది అన్నీ 2 చేత గుణించబడిన ఎలిమెంట్స్ తో ఒక కొత్త అర్రే ను తిరిగి ఇచ్చింది.
07:58	ఇప్పుడు మనం మళ్ళీ a1 యొక్క కంటెంట్స్ ను తనిఖీ చేద్దాం. A1 యొక్క విలువ ఇప్పటికీ అదే విధంగా ఉందని గమనించండి.
08:06	కూడిక తో కూడా మనం అదేవిధంగా ప్రయత్నిస్తాము.
08:10	a1 plus 2 అని టైప్ చేయండి. ఇది అన్నీ 2 తో కలపబడిన ఎలిమెంట్స్ తో ఒక కొత్త అర్రే ను తిరిగి ఇస్తుంది.
08:18	a1 అని టైప్ చేయండి. కానీ మళ్ళీ గమనించండి a1 యొక్క విలువ అనేది మార్చబడలేదు.
08:26	మనం a1 plus equal to 2 తో ప్రయత్నిద్దాం.
08:31	a1 అని టైప్ చేయండి. మనము a1కు కొత్త అవుట్పుట్ను కేటాయిస్తున్నందున ఇది array a1 ను మారుస్తుంది.
08:41	మనము arrays తో అన్ని గణిత కార్యకలాపాలను ఉపయోగించవచ్చు. తరువాత, మనం రెండు arrays ను ఎలా జోడించాలో చూస్తాం.
08:50	a1 is equal to np dot array పరన్తసిస్ ల లోపల స్క్వేర్ బ్రాకెట్స్ లోపల 1, 2, 3, 4
09:00	a2 is equal to np dot array పరన్తసిస్ ల లోపల స్క్వేర్ బ్రాకెట్స్ లోపల 5, 6, 7, 8
09:10	a1 plus a2 అని టైప్ చేయండి. ఇది ఎలిమెంట్ చేత ఎలిమెంట్ ను కలపడం ద్వారా ఒక అర్రే ను తిరిగి ఇస్తుంది.
09:18	a1 multiplied by a2 అని టైప్ చేయండి. ఇది ఎలిమెంట్ ను ఎలిమెంట్ చేత గుణించడం ద్వారా ఒక అర్రే ను తిరిగి ఇస్తుంది.
09:27	ఇది మనల్ని ఈ ట్యుటోరియల్ యొక్క చివరకు తీసుకువస్తుంది.
09:31	ఈ ట్యుటోరియల్ లో మనం నేర్చుకున్నవి array() function ను ఉపయోగించి ఒక అర్రే ను సృష్టించడం arrays పై కూడిక మరియు గుణకారం వంటి కొన్ని ప్రాథమిక కార్యకలాపాలను జరపడం shapearange, reshapeidentity మరియు zeros వంటి methods ను ఉపయోగించడం
09:50	ఇక్కడ మీరు పరిష్కరించడానికి కొన్ని స్వీయ అంచనా ప్రశ్నలు.
09:54	x is equal to np.array పరన్తసిస్ ల లోపల స్క్వేర్ బ్రాకెట్స్ లోపల 1, 2, 3, స్క్వేర్ బ్రాకెట్స్ లోపల 5, 6, 7 అనేది ఒక చెల్లుబాటు అయ్యే ప్రకటన? తప్పా లేక ఒప్పా
10:10	మరియు సమాధానం తప్పు.
10:13	సరైన మార్గం ఏమిటంటే, ఎలిమెంట్స్ ను lists యొక్క ఒక list గా ఆపై దానిని ఒక అర్రే కు మార్చేలా కేటాయించడం
10:19	x is equal to np.array పరన్తసిస్ ల లోపల స్క్వేర్ బ్రాకెట్స్ లోపల మళ్ళీ స్క్వేర్ బ్రాకెట్స్ లోపల 1, 2, 3, స్క్వేర్ బ్రాకెట్స్ లోపల 5, 6, 7
10:35	దయచేసి మీ సమాయంతో కూడిన సందేహాలను ఈ ఫోరమ్ లో పోస్ట్ చేయండి.
10:39	దయచేసి మీ సాధారణ ప్రశ్నలను ఈ Python ఫోరంపై పోస్ట్ చేయండి.
10:44	FOSSEE టీం TBC ప్రాజెక్ట్ ను సమన్వయం చేస్తుంది.
10:48	స్పోకన్ ట్యుటోరియల్ ప్రాజెక్ట్ NMEICT, MHRD, గవర్నమెంట్ అఫ్ ఇండియా చే నిధులు పొందుతుంది. మరిన్ని వివరాల కొరకు, ఈ వెబ్సైటు ను సందర్శించండి.
10:57	నేను ఉదయలక్ష్మి మీ వద్ద శలవు తీసుకుంటున్నాను. మాతో చేరినందుకు ధన్యవాదములు.

Contributors and Content Editors

Madhurig, Simhadriudaya