Scipy Rand Summen

Python ist die anfängerfreundlichste Programmiersprache, mit der Programmierer alle allgemeinen Programme im Zusammenhang mit Automatisierungsaufgaben, Erstellen von Websites und analytischen Datenwerkzeugen und -techniken schreiben können. Eine der Bibliotheken aus Python dort existiert eine Bibliothek, die als „Scipy“ anerkannt ist. Diese Bibliothek ist für die Ausführung einer Aufgabe verantwortlich. Scipy bietet ein Attribut oder das Funktionsmodul als „Randsummen“ an. Diese Funktion berechnet die Summe entweder aller Einträge, die in den Zeilen vorhanden sind, oder die Einträge der Spalten des Arrays des angegebenen Datensatzes. Der Datensatz ist ein n-dimensionales Array mit mehreren Zeilen und Spalten.

Verfahren

Die Erklärung des Konzepts der marginalen Summen wird im Artikel erläutert. Wir werden auch erfahren, welche Bibliotheken erforderlich sind, um das Programm erfolgreich auszuführen und die Parameter und Syntax dafür. Die scipy marginale Summenfunktion wird auch in diesem Artikel erläutert. Die Softwareplattform, mit der wir zusammenarbeiten werden, ist „Google Collab.

Syntax

$ scipy.Statistiken.Kontingenz.Ränder (Array)

Die Funktion erklärt, wie bereits erwähnt, die Syntax der Grenzsummen. Diese Funktion stammt aus dem Statistikmodul der Python Scipy Library, und das Statistikmodul nutzt das Notfallattribut weiter, um diese Funktionen auszuführen. Die in dieser Funktion beteiligten Eingabeparameter sind das Array oder das ND-Array, das den Datensatz darstellt, für den wir die Randsummen finden möchten.

Rückgabewert

Die Funktion gibt den Wert der Randsummen in Form einer Liste zurück, die auf den Dimensionen des Arrays basiert. Diese Summe kann entweder durch Hinzufügen aller Elemente der Zeilen oder der Spalten im Datensatz genommen werden. Daher werden wir die Ergebnisse vor allen N-Dimensionen des Arrays in der „N“ -Zahlen der Variablen speichern.

Beispiel # 01

Die marginale Summenmethode aus der Skipy nimmt ein ND-Array auf und berechnet die Grenzsumme dafür. In diesem Beispiel finden wir die Summe aus der Grenzfunktion aus der Skipy. Öffnen Sie zunächst das neue Notizbuch in Google Collab. Das Labor wird Speicherplatz für Ihr Programm bereitstellen. Um an der Funktion zu arbeiten, müssen wir einen zufälligen Datensatz deklarieren, da der Datensatz ein mehrdimensionales Array ist, damit wir ein Array im Programm deklarieren werden. Um das Array im Programm zu deklarieren, werden wir ein Python -Paket „Numpy“ importieren. Diese Bibliothek stellt den Import der wichtigen Informationen sicher, die erforderlich sind, um das Array im Programm zu deklarieren. Wir werden diese Bibliothek als „NP“ importieren, NP wird als Präfix für Numpy verwendet. Wir werden ein Array der beiden Dimensionen mit „14“ Elementen (insgesamt) zufällig definieren. Um dieses Array ordnungsgemäß zu definieren, werden wir Numpys Attribute „arrangieren“ und „umformen“ verwenden. Diese Funktionen verteilen das Array zunächst in vierzehn Elemente. Sie werden sie in zwei Dimensionen formen, indem sie sie mit dem NP -Präfix als „NP“ aufrufen. arrangieren (14).Umform (2, 6) ”. Speichern Sie die Ergebnisse dieses Arrays im Speicher einer Variablen und nennen Sie es ein "Array".

Um nun die marginale Summe für dieses Array zu nehmen, importieren Sie die marginale Summenfunktion aus der Skipy. Notfallattribut, also integrieren Sie die Statistiken des Scipy. Notfallattribut in der marginalen Summenfunktion als „Aus Scipy.Statistiken.Eventualimportmargen ”. Jetzt können wir einfach die Margen anstelle der Statistiken anrufen. Eventuelle und kann die Summe für das Array finden. Rufen Sie die marginale Summe als „Margen ()“ an und bestehen Sie das von uns deklarierte Array, und es würde so aussehen wie diese „Margen (Array)“. Wir speichern die Ergebnisse dieser Methode in zwei Variablen, „A“ und „B“, um die Ergebnisse anzuzeigen.

Im Folgenden finden Sie den Code und die Ausgabe des Programms:

Numph als NP importieren
von Scipy.Statistiken.Eventualleiterränder
Array = np.Arange (12).Umform (2, 6)
Druck (Array)
A, B = Ränder (Array)
Druck (a)

Beispiel # 02

In diesem Beispiel werden angezeigt, wie wir die Grenzsumme für ein Array mit mehr als zwei Dimensionen berechnen können. Die Bibliotheken, die für das Programm importiert werden sollen.Stat.Kontingenz". Wir werden beide mit dem Präfix oder dem Modul als „NP“ und „Margen“ importieren. Mit dem NP des Numpy werden wir die Funktion „arrangieren“ und die Funktion „Umgestaltung“ für die Erklärung des dreidimensionalen Arrays nennen, das als „NP“ bezeichnet werden würde. arrangieren (12).Reshape (3,2,2) ”.Dieses Array wird insgesamt drei Dimensionen haben, und die Elemente werden genau „24“ sein, die gleichermaßen nach der Methode arrangieren () verteilt sind.

Nach dieser Definition des Arrays werden wir dieses Array an die Margen () -Funktionen () übergeben und die Ergebnisse aus den Funktionen in drei verschiedenen Variablen speichern. Eine davon wird Informationen über die marginalen Summen des Arrays enthalten, und die anderen beiden werden Informationen zu den Reihen der Arrays enthalten. Wir können sie also einfach drucken und wissen, wie die spezifische Anzahl von Zeilen im Array als Elemente gilt. So berechnen wir die marginalen Summen für das dreidimensionale Array. Wir haben den Ausschnitt des Codes und die Ausgabe für dieses Programm unten angehängt. Kopieren Sie dieses Programm und führen Sie es so aus, wie es auf jedem Python -Compiler ist. Es erzeugt die gleiche Ausgabe.

Numph als NP importieren
von Scipy.Statistiken.Eventualleiterränder
Array = np.Arange (12).Umschaffung (3,2,2)
print ("Array: \ n", Array)
A, B, C = Ränder (Array)
print ("a: \ n", a)
print ("b: \ n", b)
print ("c: \ n", c)

Abschluss

Die marginale Summenfunktion aus der Skipy ist nicht direkt zugänglich. Daher haben wir das Modul „Statistiken“ zuerst aus der Scipy -Bibliothek importiert und das „Notfall“ -Modul aus den Statistiken verwendet, um auf die Grenzbeträge als „Ränder“ zuzugreifen. Wir haben die Implementierung der beiden Beispiele für die Grenzsummen für die beiden verschiedenen ND-Arrays mit zwei Dimensionen als zwei und drei erörtert. Die Ergebnisse der Programme werden im Artikel angezeigt und erläutert.