NumPy Универсальные функции, чтобы знать!

Автор оригинала: Pankaj Kumar.

Здравствуйте, читатели! В этой статье мы сосредоточимся на универсальных функциях |/NumPy в программировании на Python. Итак, давайте начнем! 🙂

Что мы подразумеваем под универсальными функциями NumPy?

Универсальные функции NumPy на самом деле являются математическими функциями. Математические функции NumPy в NumPy сформулированы как универсальные функции. Эти универсальные (математические функции NumPy) работают с массивом NumPy и выполняют поэлементные операции со значениями данных.

Универсальные функции NumPy принадлежат классу numpy.ufunc в Python. Некоторые из основных математических операций вызываются внутренне, когда мы вызываем определенные операторы. Например, когда мы кадрируем x + y, он внутренне вызывает универсальную функцию numpy.add ().

Мы даже можем создавать свои собственные универсальные функции, используя метод frompyfunc ().

Синтаксис:

numpy.frompyfunc(function-name, input, output)

• function-name : имя функции, которая будет оформлена как универсальная функция
• input : Количество входных массивов
• output : Количество выходных массивов

Пример:

В этом примере мы преобразовали функцию product в универсальную функцию с помощью метода frompyfunc () .

Таким образом, теперь метод product() ведет себя как универсальная математическая функция и выполняет поэлементное умножение, когда массивы передаются ему в качестве параметров.

import numpy as np

def product(a, b):
  return a*b

product = np.frompyfunc(product, 2, 1)

res = product([1, 2, 3, 4], [1,1,1,1])
print(res)

Выход:

[1 2 3 4]

1. Универсальные тригонометрические функции в NumPy

В ходе этой концепции мы теперь рассмотрим некоторые универсальные тригонометрические функции в NumPy .

1. тупица. deg2rad() : Эта функция помогает нам преобразовать значение градуса в радианы.
2. функция numpy.sinh () : Вычисляет значение гиперболического синуса.
3. функция numpy.sin () : Вычисляет обратную гиперболическую величину синуса.
4. функция numpy.hypot () : Вычисляет гипотенузу для прямоугольной структуры треугольника.

Пример:

import numpy as np

data = np.array([0, 30, 45])

rad = np.deg2rad(data)

# hyperbolic sine value
print('Sine hyperbolic values:')
hy_sin = np.sinh(rad)
print(hy_sin)

# inverse sine hyperbolic
print('Inverse Sine hyperbolic values:')
print(np.sin(hy_sin))

# hypotenuse
b = 3
h = 6
print('hypotenuse value for the right angled triangle:')
print(np.hypot(b, h))

Выход:

Sine hyperbolic values:
[0.         0.54785347 0.86867096]
Inverse Sine hyperbolic values:
[0.         0.52085606 0.76347126]
hypotenuse value for the right angled triangle:
6.708203932499369

2. Универсальные статистические функции

Помимо тригонометрических функций, Python NumPy также предлагает нам универсальные статистические функции. Некоторые из них перечислены ниже:

1. функция numpy.amin () : Представляет минимальное значение из массива.
2. функция numpy.amax () : Представляет максимальное значение из массива.
3. функция numpy.ptp () : Представляет диапазон значений массива по оси, который вычисляется путем вычитания минимального значения из максимального значения.
4. функция numpy.average () : вычисляет среднее значение элементов массива.

Пример:

import numpy as np

data = np.array([10.2,34,56,7.90])

print('Minimum and maximum data values from the array: ')
print(np.amin(data))
print(np.amax(data))

print('Range of the data: ')
print(np.ptp(data))

print('Average data value of the array: ')
print(np.average(data))

Выход:

Minimum and maximum data values from the array:
7.9
56.0
Range of the data:
48.1
Average data value of the array:
27.025000000000002

Вывод

На этом мы подошли к концу этой темы. Не стесняйтесь комментировать ниже, если у вас возникнут какие-либо вопросы.

Для получения дополнительных сообщений, связанных с программированием на Python, оставайтесь с нами!

А до тех пор Счастливого Обучения!! 🙂