Рубрики
Без рубрики

Numpy находится в Функции, Объясненной Примерами в Python

Предположим, у вас есть массив A и массив B. Вы хотите проверить, сколько у них похожих элементов. Функция NumPy is in() делает это за вас.

Автор оригинала: Team Python Pool.

Numpy находится в Функции, Объясненной Примерами в Python

Привет гики и добро пожаловать в этой статье мы рассмотрим NumPy isin(). Наряду с этим, для общего лучшего понимания, мы также рассмотрим его синтаксис и параметр. Затем мы увидим применение всей теоретической части на нескольких примерах.

Но сначала давайте посмотрим на определение нашей функции. Предположим, у вас есть массив A и массив B. Вы хотите проверить, сколько у них похожих элементов. Функция NumPy is in() делает это за вас. По завершении он возвращает массив логических значений, указывающих результат. По мере того как мы будем продвигаться вперед, это станет для вас более ясным. В следующем разделе мы рассмотрим синтаксис, связанный с ним.

Синтаксис

numpy.isin(elementtest_elements)

Это общий синтаксис нашей функции. Есть несколько параметров, связанных с ним, которые мы обсудим в следующем разделе.

Параметры

1.элемент: array_like

Этот параметр представляет входной массив.

2.test_elements:array_like

Этот параметр представляет значения, по которым должно быть проверено каждое значение входного массива.

3.assume_unique:bool

Это необязательный параметр. По умолчанию он равен false. Если он равен true, то это ускоряет весь расчет.

4.инвертировать: bool

Это еще один необязательный параметр. По умолчанию он равен false. В случае, если он равен “true” , выходной массив инвертируется.

Тип возврата

isin:ndarray 

По завершении программы эта функция возвращает массив булевых значений, который имеет ту же форму, что и входной массив.

Примеры, Охватывающие Углубленную Функцию Numpy isin

Как мы уже сделали со всей теорией, часть, связанная с NumPy, находится в(). В этом разделе мы рассмотрим, как работает эта функция и как она помогает нам достичь желаемого результата. Мы начнем с примера элементарного уровня и постепенно перейдем к более сложным примерам.

#input
import numpy as ppool
a=[1,2,3,4,5]
b=[1,3,5]
print(ppool.isin(a,b))

Выход:

[ True False  True False  True]

Выше мы видим простой пример NumPy is in(). Здесь мы сначала импортировали модуль NumPy. После этого мы определили наш входной массив и тестовый массив. Затем мы использовали наш синтаксис вместе с оператором print, чтобы получить желаемый результат.

Теперь давайте рассмотрим другой пример, а также воспользуемся некоторыми необязательными параметрами.

import numpy as ppool
a=[[1,2,3],
[2,7,8],
[3,4,5]]
b=[1,5,7]))

Выход:

[[False  True  True]
 [ True False  True]
 [ True  True False]]

Здесь мы можем увидеть еще один пример нашей функции. Здесь мы выполнили все шаги, аналогичные первому примеру. С той лишь разницей, что array и здесь мы использовали необязательный параметр. Здесь мы видим, что необязательный параметр отвлекает результаты. Еще один момент, на который следует обратить внимание, заключается в том, что выходные данные имеют структуру, аналогичную структуре массива элементов/входных данных.

Разница Между Numpy isin() И Numpy in1d()

Здесь мы рассмотрим еще одну функцию NumPy с именем NumPy in1d(). Это в некотором роде альтернатива NumPy is in(). В этом разделе мы попытаемся рассмотреть основные различия между ними. Более того, мы также поймем, почему рекомендуется NumPy is in() над функцией NumPy in1d (). Одно из основных отличий заключается в том, что при использовании NumPy in1d () форма массива элементов или родительского массива не сохраняется.

Общий синтаксис функции NumPy in1d ()

numpy.in1d(ar1ar2)

Теперь давайте посмотрим на пример, который сделает все кристально ясным для нас:

NUMPY.SIN() NUMPY.IN1D()
импорт numpy как popoola=[[1,12,3],[2,4,5]]б=[[12,3,4],[23,4,5,]]печать(pool.is in(a,b)) импорт numpy как popoola=[[1,12,3],[2,4,5]]б=[[12,3,4],[23,4,5,]]print(pool.in1d(a,b))
[[False True True][False True True]] [Ложь Правда Правда Ложь Правда Правда]

СРАВНИТЕЛЬНАЯ ТАБЛИЦА

Я надеюсь, что приведенный выше пример прояснит вам все. Функция NumPy sin() новее по сравнению с функцией .in 1d (), а также предпочтительнее.

Вывод

В этой статье мы рассмотрели NumPy is in(). Кроме того, мы также рассмотрели его синтаксис и параметры. Для лучшего понимания мы рассмотрели несколько примеров. Мы варьировали синтаксис и рассматривали выходные данные для каждого случая. В конце концов, мы можем сделать вывод, что NumPy находится в(). В конце концов, мы можем сделать вывод, что эта функция помогает найти общие элементы между 2 различными массивами. Я надеюсь, что эта статья смогла очистить все ваши href=”https://en.wikipedia.org/wiki/Doubt”>сомнения. href=”https://en.wikipedia.org/wiki/Doubt”>сомнения.

Но если у вас есть какие-либо нерешенные вопросы, не стесняйтесь писать их ниже в разделе комментариев. Прочитав это, почему бы не прочитать о polyfit далее.