Numpy Sqrt

Numpy SQRT repräsentiert die Funktion des Python -Skripts, mit dem die Quadratwurzel der Elemente eingenommen werden. Numpy ist als Bibliothek in der Python-Sprache bekannt, die für die Arbeit mit den ND-Arrays und auch für die Manipulation des Arrays und für die Matrizen mit dem mathematischen Betrieb wie Matrixoperationen, arithmetischen Operationen, statistischen Operationen und linearen Algebra erstellt wurde die Arrays. Die Numpy SQRT-Funktion nimmt entweder das einzelne Element oder die mehrdimensionalen Matrizen/Arrays auf und wendet die Quadratwurzel auf jedem Element des Arrays an und gibt den Quadratwurzelwert jedes Elements in derselben Reihenfolge wie im Array zurück.

Verfahren:

Das Verfahren des Artikels deckt alle wichtigen Konzepte ab, die für Anfänger erforderlich sein können, um das Konzept in Bezug auf die Numpy SQRT -Funktion vollständig zu verstehen. Zunächst werden die Parameter für die Funktionsaufruf des Numpy SQRT in der Python -Sprache diskutiert, und dann implementieren wir die verschiedenen Beispiele, die sich mit den verschiedenen Szenarien der Numpy SQRT -Funktion befassen. Um praktisch mit dieser Funktion zu arbeiten, werden wir die Python -Compiler mit der in ihnen installierten Numpy -Bibliothek verwenden. Im Folgenden finden Sie den Schritt-für-Schritt-Prozess für die Numpy SQRT-Funktion.

Syntax:

Bevor wir eine Funktion in unserem Code implementieren oder aufrufen, müssen wir zunächst ihre Eingabeparameter kennen, die die Funktion übernimmt und die gewünschte Ausgabe zurückgibt. Daher untersuchen wir nun die Methode, um die Numpy SQRT -Funktion aufzurufen. Diese Funktion hat die folgende Syntax mit den Parametern, die im Folgenden erwähnt werden:

$ numpy. SQRT ()

Der erste Parameter der Funktion ist das „Eingabearray“, dessen Quadratwurzel wir bestimmen möchten. Der zweite Parameter ist das „OUT“, das das ND-Array darstellt, in dem wir die Ergebnisse speichern möchten, die zurückgegeben werden, nachdem wir die Quadratwurzel des Eingabebereich gewonnen haben. Hier müssen wir vorsichtig sein, dass die Form und die Abmessungen dieses Arrays mit dem Eingangsarray übereinstimmen sollten und dieser Parameter kein Zwang ist, es ist optional, es ist optional. Der letzte Parameter ist der „Rückkehr“. Rückgabe ist ein ND-Array, das die Quadratwurzel des Eingangsarrays enthält. Nachdem wir die Syntax für die Numpy SQRT -Funktion ausführlich kennen, implementieren wir diese Syntax jetzt und versuchen diese Funktion für verschiedene Beispiele im Python -Code aufzurufen.

Beispiel 1:

Die Numpy -Array -Funktion ist die einfachste Funktion, die verwendet werden muss, aber wir versuchen trotzdem, dies mit dem einfachsten Beispiel zu implementieren, und dann erhöhen wir in den nächsten kommenden Beispielen allmählich das Schwierigkeitsgrad. Um das Beispiel zu beginnen, erstellen wir zunächst ein Projekt mit dem Namen „SQRT“ im Python -Compiler. Nachdem wir ein neues Projekt erstellt haben, importieren wir jetzt die wichtigen Bibliotheken. Eine der wichtigsten Bibliotheken, die sich mit den ND-Arrays befassen, ist der „Numpy“. Während des Imports dieser Bibliothek kann es unterschiedliche Möglichkeiten geben. Wir können diese Bibliothek entweder als numpy importieren oder sie können ihr ein Präfix oder einen Spitznamen als „NP“ geben, um sie später mit der Funktion im Code aufzurufen. Die herkömmliche Methode zum Importieren von Numpy besteht darin, das Präfix „NP“ zu verwenden, damit wir auch mit dieser Methode auskommen.

Da die vorherigen Schritte erfolgreich durchgeführt wurden, initialisieren wir nun ein Array, das wir an die Quadratwurzelfunktion übergeben. Wir deklarieren und initialisieren das Array mit dem „NP. Array () ”Methode und die Elemente, die wir diesem Array geben, sind„ [4, 9, 16, 25] “. Um die Quadratwurzel zu berechnen, nennen wir den „NP. sqrt () ”Funktion und übergeben diese Funktion an das von uns erstellte Array. Wir speichern die Ergebnisse aus der Funktion „SQRT“ in einem anderen Array mit den Abmessungen, die dem Eingangsarray als „Quadratwurzel“ entsprechen, mit. Und dann zeigen wir die Quadratwurzel mit Hilfe der Print () -Methode an. Wir können den folgenden Code verwenden, der im Python -Skript geschrieben ist, und die Ergebnisse überprüfen:

Numph als NP importieren
# ein Array mit positiven reellen Zahlen deklarieren
Array = np.Array ([4, 9, 16, 25])
# Berechnung der Quadratwurzel eines Arrays
squareroot = np.SQRT (Array)
print ("Squareroot of Array:", Quadratwurzel)

Die Ergebnisse des Beispiels waren ein weiteres Array mit den Elementen, die die quadratische Wurzel des Eingangsarrays als "[2, 3, 4, 5]" sind. Dies führt uns zu dem Schluss, dass wir erfolgreich gelernt haben, die Numpy Square Root -Funktion zu verwenden.

Beispiel 2:

Das vorherige Beispiel hat die positiven reellen Zahlen. Dann haben wir ihre Quadratwurzel berechnet. In diesem Beispiel befassen wir uns jedoch mit komplexen Zahlen. Wir initialisieren ein Array mit den komplexen Zahlen und nehmen dann die Quadratwurzel dieser komplexen Zahlen. Wir beginnen mit der Erstellung eines neuen Projekts und importieren die Numpy -Bibliothek mit der Konvention, die wir im ersten Beispiel besprochen haben.

Danach initialisieren wir ein eindimensionales Array, indem wir das „NP“ aufrufen.Array () ”Methode mit seinen Elementen als komplexe Zahlen wie„ [4 + 25j, 9 + 16J, - 5 - 8j] ““. Wir berechnen die Quadratwurzel dieser komplexen Zahlen, indem wir diese Zahlen an die Parameter des „NP“ übergeben. sqrt () ”Funktion und die Ergebnisse anzeigen. Das Folgende ist der Python -Code, den wir in unseren Compilern ausführen können, um festzustellen, ob diese Funktion für komplexe Zahlen funktioniert oder nicht:

Numph als NP importieren
# ein Array mit komplexen Zahlen deklarieren
Array = np.Array ([4 + 25J, 9 + 16J, - 5 - 8j])
# Berechnung der Quadratwurzel eines Arrays
squareroot = np.SQRT (Array)
print ("Squareroot of Array:", Quadratwurzel)

Wir haben den durchlässigen Code ausgeführt und die Ergebnisse aus dem Code in der Variablen „Squareroot“ gespeichert. Die vorherige Abbildung zeigt die Ausgabe des Code.

Abschluss

Der Artikel beleuchtet das Konzept des Numpy.SQRT () -Funktion. Wir haben die Einführung und die Syntax dieser Funktion in diesem Artikel gelernt und diskutiert, um dieses Konzept gut im Griff zu haben. Um unser Wissen zu testen, haben wir zwei Beispiele ausgeführt, in denen wir die beiden Arrays mit den realen und komplexen Zahlen als Elemente definieren mussten, und dann ihre quadratischen Wurzeln berechnet. Wir hoffen, dass dieser Artikel Ihnen hilft, Ihre Unklarheiten bei der Verwendung von Numpy zu klären.SQRT () -Funktion.