Автор оригинала: Team Python Pool.

Numpy Sin в Python с иллюстрированными примерами

Привет, кодеры!! В этой статье мы узнаем о NumPy sin в Python. Мы рассмотрим некоторые примеры и будем использовать эту функцию по-разному. Итак, не теряя ни минуты, начнем.

Синтаксис:

Это математическая функция, используемая для вычисления тригонометрического синуса для всех x, где x-массив.

numpy.sin(x[, 'sin') 

Параметры:

• array: элементы массива в радианах.

2pi degrees

Возвращаемое значение:

• Массив с тригонометрическим синусом x для всех x

Принимает ли numpy sin радианы или градусы?

Функция np.sin() помогает найти синусоидальное значение угла в градусах и радианах. Чтобы получить синусоидальное значение угла в радианах, нужно умножить угол на np.pi/180.

Иллюстрированные Примеры:

пример 1: Numpy sin с одним значением:

np.sin(np.pi/2.)

1.0

Как видите, мы рассчитали значение sin(pi/2) с помощью метода sin() модуля NumPy.

пример 2: с массивом значений:

import numpy as np 
inp = [0, np.pi / 2, np.pi / 3, np.pi] 
print ("Input array : \n", inp) 
.sin(inp) 
print ("\nSine values : \n", opt)

Выход

В этом примере мы использовали массив элементов в качестве входных данных. Различные элементы таковы:

• 0
• пи/2
• np.pi/3
• пи

Затем мы использовали метод np sin для вычисления значения синуса всех соответствующих элементов. Как было сказано ранее, этот метод дает значение sin каждого элемента массива, тем самым давая выход в виде:

• 0x00000000+00
• 1.00000000 e+00
• 1.00000000 e+00
• 1.00000000 e+00

Пример 4: numpy sin degrees:

np.sin(np.deg2rad(90))

1.0

Чтобы использовать углы в градусах, а не в радианах, мы использовали метод np.deg2rad(). Этот метод используется для преобразования углов из градусов в радианы.

Синтаксис:

numpy.deg2rad(x[, 'deg2rad') 

пример 5: numpy sin squared:

import numpy as np 
inp = [0, np.pi / 2, np.pi / 3, np.pi] 
print ("Input array : \n", inp) 
.sin(in_array) ** 2
print ("\nSine Square values : \n", opt)

Выход

В этом примере мы возведем значения синуса в квадрат, подняв его до степени 2, и сохраним выходные данные в массиве. Затем мы напечатали массив, чтобы получить желаемый результат.

пример 6: np sin fit:

from scipy import optimize.linspace(-5, 5,).9 * np.sin(1.5 * x_data) +)

def test_func(x, a, b):
    return a * np.sin(b * x)

pars,.curve_fit(test_func, x_data, y_data, p0=[2, 2])

plt.figure(figsize=(6, 4))
plt.scatter(x_data, y_data,)
plt.plot(x_data, test_func(x_data, pars[0], pars[1]))
plt.show()

Выход

Как вы можете видеть, в этом примере мы использовали функции numpy для создания данных. Затем мы использовали метод sin для значения оси y. Затем мы оптимизируем кривую и подгоняем синусоидальную кривую, чтобы получить желаемый результат.

пример 7: numpy генерирует синусоидальный график:

import numpy as np 
import matplotlib.pyplot as plt 
.linspace(-np.pi, np.pi, 12) .sin(inp) 

plt.plot(inp, opt,,) 
plt.title("numpy.sin()") 
plt.show()

Выход

Здесь мы построили синусоидальный график с использованием метода sin, получив таким образом href=”https://www.mathopenref.com/triggraphsine.html#:~:text=To%20graph%20the%20sine%20function,name%20of%20the%20sine%20function.”>синусоидальный график в качестве выходного сигнала. href=”https://www.mathopenref.com/triggraphsine.html#:~:text=To%20graph%20the%20sine%20function,name%20of%20the%20sine%20function.”>синусоидальный график в качестве выходного сигнала.

Python np sin inverse:

функция < code>numpy.arcsin() помогает пользователю вычислить обратный синус для всех x.

Синтаксис:

numpy.arcsin(x[, 'arcsin') 

Параметры:

• массив: элементы в радианах
• out: массив той же формы, что и x.

Возвращаемое значение:

• Массив с обратным синусом x.

import numpy as np 

inp = [0, 1, 0.3, -1] 
print ("Input array : \n", inp) 
.arcsin(inp) 
print ("\nInverse Sine values : \n", opt)

Выход

В этом примере мы использовали метод np.arcsin() для нахождения обратного значения sin элементов массива.

Numpy sin vs Math sin:

math.sin работает на одном числе, версия numpy работает на массивах numpy и значительно быстрее благодаря преимуществам векторизации.

Должен Читать

• Ось Numpy в Python С подробными Примерами
• Matplotlib Аннотировать Объяснено с примерами
• Реализация спектрограммы Python в Python с нуля
• Демистификация Python с примерами
• Matplotlib GCA в Python Объяснен примерами

Вывод:

На этом мы заканчиваем нашу статью. Я надеюсь, что эта статья прояснила концепцию NumPy sin.

Однако, если у вас есть какие-либо сомнения или вопросы, дайте мне знать в разделе комментариев ниже. Я постараюсь помочь вам как можно скорее.

Счастливого Пифонирования!