Рубрики
Без рубрики

Numpy Square Root | Use case Evaluation of Math Toolkit

функция numpy square root получает квадратный корень из элементов матрицы. Функция заключается в определении положительного квадратного корня массива.

Автор оригинала: Team Python Pool.

Модуль Numpy python-это инструментарий. Поскольку это пакет функций для выполнения различных операций, эти операции являются высоконаучными вычислениями в python. Numpy поддерживает несколько измерений. Инструменты работают над ними. Массив в numpy может иметь одно измерение и два, три или выше. Таким образом, у нас есть краткий обзор. На данный момент мы будем читать о numpy square root. Простая в использовании и понимании функция.

О numpy квадратный корень

функция np.sqrt() получает квадратный корень из элементов матрицы. Сказать, что функция состоит в том, чтобы определить положительный квадратный корень массива по элементам. Sqrt () – это математический инструмент, который делает это:

\begin{equation*} \mbox{\Huge\sqrt{x}} \end{equation*}
\begin{equation*} \mbox{\Huge\sqrt{x}} \end{equation*}

Есть только неотрицательные выходы из этой функции.

Синтаксис numpy квадратный корень

Мы используем sqrt вместо квадратного корня.Стандартный синтаксис функции np.sqrt() таков:

numpy.sqrt(x, /,, *,,,,,[, signature, extobj]) = 

в то время как обычный способ написания синтаксиса:

numpy.sqrt()

Используемые параметры:

Параметры Обязательно или нет
икс обязательный
из необязательный
где необязательный
кастинг необязательный
keepdims необязательный
оси необязательный
приказ необязательный
субок необязательный
dtype необязательный
подпись необязательный

x: array_like

Этот параметр является входными значениями, квадратные корни которых должны быть определены. Другими словами, href=”https://mathworld.wolfram.com/Radicand.html”> он определяет радиканд. Радикал-это значение под радикалом при вычислении квадратного корня. href=”https://mathworld.wolfram.com/Radicand.html”> он определяет радиканд. Радикал-это значение под радикалом при вычислении квадратного корня.

из

Аргумент ключевого слова ‘out’ ожидает, что это будет кортеж с одной записью на выход (который может быть нулевым для массивов, выделяемых ufunc). Параметр out позволяет указать массив, в котором будут храниться выходные данные. Этот параметр используется не в более простых расчетах, а на более высоком уровне. Этот параметр предоставляет место для хранения результата. Если это предусмотрено, он должен иметь форму для широковещательных входов. Только что выделенный массив возвращается, если он не указан или отсутствует. Кортеж (возможный только в качестве ключевого аргумента) должен иметь длину, равную количеству выходов.

где

Этот параметр принимает логический массив, который передается вместе с операндами. Значения True указывают на то, что для расчета ufunc в этой позиции и Ложные значения указывают на то, чтобы оставить значение на выходе в покое. Обобщенные ufuncs не могут использовать этот аргумент, потому что они принимают не скалярные входные данные.

оси

Список кортежей с индексами осей должен оперировать обобщенным ufunc. Например, для сигнатуры (i,j),(j,k)->(i,k), подходящей для умножения матриц, базовыми элементами являются двумерные матрицы, и они хранятся в двух последних осях каждого аргумента.

приказ

Этот параметр определяет порядок итерации вычислений/выходной массив макета памяти. По умолчанию ” К. “означает, что выход должен быть C-непрерывным,” F “означает F-непрерывный,” A ” означает F-непрерывный, если входы являются F-непрерывными, а также не C-непрерывными

оси

Список кортежей с индексами осей должен оперировать обобщенным ufunc. Например, для сигнатуры (i,j),(j,k)->(i,k), подходящей для умножения матриц, последние две оси каждого аргумента принимают и хранят базовые элементы-двумерные матрицы.

подпись

Этот аргумент позволяет предоставить конкретную сигнатуру для 1-d цикла, который будет использоваться в базовом вычислении. Если указанный цикл не существует для ufunc, то возникает ошибка типа. Обычно подходящий цикл находится автоматически путем сравнения входных типов с имеющимися и поиска цикла с типами данных. Атрибут types объекта ufunc предоставляет список известных сигнатур.

Тем не менее, есть и другие параметры, которые следует упомянуть. Но вам не обязательно знать все. Чтобы узнать все, нам нужно увидеть href=”https://numpy.org/doc/stable/reference/ufuncs.html#ufuncs-kwargs”>func docs. Таким образом, вы получите представление обо всех параметрах. href=”https://numpy.org/doc/stable/reference/ufuncs.html#ufuncs-kwargs”>func docs. Таким образом, вы получите представление обо всех параметрах.

Возвращаемое значение

Согласно NumPy, возвращайте неотрицательный квадратный корень массива по элементам.

Примеры для понимания

теперь сначала импортируем модуль

import numpy 

Теперь лучше использовать numpy.

Здесь мы также использовали параметр type для фиксации типа данных. Этот пример также показывает, что он сохраняет размерность исходного массива.

#for complex numbers.array([4, -1, -5 + 9J],.complex)
print(array)
[4, -1, -5 + 9J]
numpy.sqrt(array)
array([2.00000000+0.j  0.00000000+1.j  1.62721083+2.76546833j])

В приведенном выше примере показан вывод для комплексных чисел.

#negative numbers.array([-4, 5, -6])
numpy.sqrt(array)
__main__:1: RuntimeWarning: invalid value encountered in sqrt
array([nan  2.23606798  nan])

Выход для отрицательного числа-NaN(не число).

Могу ли я вычислить квадратный корень из -1?

numpy.sqrt(-1)
__main__:1: RuntimeWarning: invalid value encountered in sqrt
nan

Да, для -1 вы можете использовать эту функцию. Но это вернет НаН, как обсуждалось в последнем примере.

Все примеры дают представление об использовании функции. Теперь вы готовы идти.

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
  • Подробное объяснение np.power() С Примерами
  • Функция Зажима

Вывод

В заключение отметим, что эта функция полезна для всех расчетов. Эти вычисления могут иметь более широкие аспекты—как первичные, так и научные.

Все еще есть какие-либо сомнения или вопросы, дайте мне знать в разделе комментариев ниже. Я постараюсь помочь вам как можно скорее.

Счастливого Пифонирования!