Рубрики
Без рубрики

Numpy Divide | Как использовать функцию Numpy.divide() в Python

Функция numpy divide вычисляет деление между двумя массивами numpy. И возвращает деление между входными массивами a1 и a2.

Автор оригинала: Team Python Pool.

Numpy Divide | Как использовать функцию Numpy.divide() в Python

Функция Numpy divide является частью арифметических операций numpy. В модуле numpy доступны основные арифметические операторы: сложение, вычитание, умножение и деление. Значение деления python эквивалентно операции деления в математике.

Что делает функция Numpy Divide?

Функция numpy divide вычисляет деление между двумя массивами . Он вычисляет деление между двумя массивами, скажем, a1 и a2, по элементам. Функция numpy.divide() является универсальной функцией, т. е. поддерживает несколько параметров, позволяющих оптимизировать ее работу в зависимости от специфики алгоритма.

Синтаксис Numpy Divide

numpy.divide(a1, a2, /,, *,,,,,[, signature, extobj], ufunc 'divide')

Параметры Numpy Divide

Параметр Обязательно или Нет
а1 Обязательный
а2 Обязательный
/ Не обязательно
из Не обязательно
* Не обязательно
где Не обязательно
кастинг Не обязательно
приказ Не обязательно
dtype Не обязательно
субок Не обязательно
младенчество Не обязательно
  • a1: [arrayLike]1-й входной массив для вычисления деления.
  • a2: [arrayLike]2-й входной массив для вычисления деления.
  • out: [ndarray, None или кортеж ndarray и None, необязательно]out будет местом хранения результата. имейте форму, на которую транслируются входные сигналы. Если он не указан или Отсутствует, возвращается только что выделенный массив.
  • где: [array_like, необязательно]Если значение where равно true, то это означает вычислить младенчество в этой позиции, тогда как если значение равно false, то это означает оставить значение только в выводе.

Возвращаемое значение Numpy Divide

Функция divide возвращает деление между a1 и a2. Функция divide() может быть скалярной от ndarray. Это зависит от а1 и а2. Если a1 и a2 скалярны, то numpy.divide() вернет скалярное значение. Иначе он вернет ndarray.

Примечание: Входные данные a1 и a2 должны быть транслируемы в общую форму (которая становится формой выходного сигнала).

Примеры функции Numpy Divide

Давайте рассмотрим примеры функции Numpy divide() и посмотрим, как она работает.

Пример 1: Использование функции Np.divide() Для Поиска Деления двух чисел

import numpy as np

print ("1st Input number : ", a1) 
print ("2nd Input number : ", a2) 
	.divide(a1, a2) 
print ("Division of two input number : ", div)

Выход:

1st Input number :  24
2nd Input number :  13
Division of two input number :  1.8461538461538463

Объяснение

В этом простом первом примере мы просто разделили два числа и получили результат. Давайте посмотрим на каждый шаг и узнаем, что происходит на каждом этапе. Во-первых, мы импортировали модуль numpy как np это очевидно, потому что мы работаем над библиотекой numpy. После этого мы взяли два предопределенных входа ’24’, ’13’, и хранил их в переменных ‘a1’, ‘a2’ соответственно. Мы напечатали наши входные данные, чтобы проверить, правильно ли они указаны или нет. Затем идет основная часть, где мы найдем деление между двумя числами.

Здесь с помощью функции np.divide() мы вычислим деление между a1 и a2. Эта операция деления идентична тому, что мы делаем в математике.

Итак, мы получим деление между числом 24 и 13, которое является 11.

Пример 2: Использование функции Np.Divide() для поиска деления между двумя входными массивами

import numpy as np
a1 = [20, 21, 5, 9]
a2 = [13, 17, 6, 11]

print ("1st Input array : ", a1) 
print ("2nd Input array : ", a2) 
	.divide(a1, a2) 
print ("Division of two input arrays : ", div)

Выход:

1st Input array :  [20, 21, 5, 9]
2nd Input array :  [13, 17, 6, 11]
Division of two input arrays :  [1.53846154 1.23529412 0.83333333 0.81818182]

Объяснение

Из этого примера все становится немного сложнее; вместо чисел мы использовали массивы в качестве нашего входного значения. Теперь мы можем видеть, что у нас есть два входных массива a1 и a2 с входами массива [20, 21, 5, 9] и [13, 17, 6, 11], соответственно. Функция divide() найдет разделение между аргументами массива a1 и a2 по элементам.

Таким образом, решение будет представлять собой массив с формой, равной входным массивам a1 и a2. Деление между a1 и a2 будет вычисляться параллельно, и результат будет сохранен в переменной ad.

Пример 3: Использование Функции Np.divide() Для Поиска Деления Между Двумя Многомерными Массивами

import numpy as np
a1 = [[20, 21, 5], [-9, 11, 1]]
a2 = [[13, 17, 6], [1, -8, 7]]

print ("1st Input array : ", a1) 
print ("2nd Input array : ", a2) 
	.divide(a1, a2) 
print ("Division of two input arrays : ", div)

Выход:

1st Input array :  [[20, 21, 5], [-9, 11, 1]]
2nd Input array :  [[13, 17, 6], [1, -8, 7]]
Division of two input arrays :  [[ 1.53846154  1.23529412  0.83333333]
 [-9. -1.37  0.14285714]]

Объяснение

Третий пример в этом учебнике по функции divide() немного похож на второй пример, который мы уже проходили. То, что мы сделали здесь в этом примере, – это вместо простого массива мы использовали многомерный массив в обоих наших входных значениях a1 и a2.

Убедитесь, что оба входных массива должны иметь одинаковый размер и одинаковую форму. Функция numpy.divide() найдет деление между href=”https://en.wikipedia.org/wiki/Array_data_structure”>массив аргументов , по элементам. href=”https://en.wikipedia.org/wiki/Array_data_structure”>массив аргументов , по элементам.

Можем Ли Мы Найти Разделение Между Двумя Массивами Numpy С Разными Формами?

Простыми словами, Нет, мы не можем найти деление или использовать функцию numpy divide в двух массивах numpy, которые имеют разные формы.

Давайте рассмотрим это на одном примере,

import numpy as np
a1 = [[20, 21, 5], [-9, 11, 1]]
a2 = [[7, 13, 17, 6], [1, -8, 7]]

print ("1st Input array : ", a1) 
print ("2nd Input array : ", a2) 
	.divide(a1, a2) 
print ("Division of two input arrays : ", div)

Выход:

ValueError: operands could not be broadcast together with shapes (2,3) (2,)

Объяснение

Если форма двух массивов numpy будет отличаться, то мы получим valueerror. Ошибка значения будет говорить что – то вроде, например.

ValueError: operands could not be broadcast together with shapes (2,3) (2,)

Здесь, в этом примере, мы получаем valueerror, потому что входной массив a2 имеет другую форму, чем входной массив a1. Чтобы получить деление без какой-либо ошибки значения, обязательно проверьте форму массивов.

Что Дальше?

NumPy очень мощен и невероятно важен для информатики в Python. Это правда, если вы интересуетесь наукой о данных в Python, вам действительно следует узнать больше о Python.

Возможно, вам понравятся наши следующие учебники по numpy.

  • Среднее значение: Реализация и важность
  • Использование случайной функции для создания случайных данных
  • Reshape: Изменение Формы Массивов С Легкостью
  • Углубленное объяснение np.power() С Примерами
  • Функция Зажима

Вывод

numpy divide() – это убедительная и существенная функция, доступная в модуле numpy, которая может быть очень полезна и настоятельно рекомендована многими экспертами при поиске разделения между очень большими наборами данных.

Если у вас все еще есть какие-либо вопросы относительно функции NumPy divide. Оставьте свой вопрос в комментариях ниже.

<Счастливого Пифонирования!