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!