'Tässä opetusohjelmassa opimme, mikä NumPy divide()-funktio on ja kuinka tätä funktiota käytetään erilaisilla selitetyillä esimerkeillä.
Kuten tiedät, funktion nimellä, eli jakamalla. Jos puhumme matematiikasta, jaamme kaksi lukua saadaksemme määritellyn vastauksen.
Johdanto
Tässä jakofunktio toimii samalla tavalla kuin edellä käsiteltiin; Ainoa ero on, että siellä jaamme kaksi numeroa, ja tässä jaamme jokaisen taulukon elementin. Siksi se tunnetaan elementtikohtaisena jaotuna.
NumPy divide() -funktio jakaa samankokoiset NumPy-taulukot. NumPy divide() suorittaa todellisia jakoja, mikä tarkoittaa, että saamme tulosteen liukulukussa.
Syntaksi
Keskustellaan kirjoitustyylistä ja divide()-funktion toteutuksesta NumPyssä. Ensin meidän on kirjoitettava käyttämämme python-kirjaston nimi, joka on 'numpy', ja sitten meillä on funktion nimi 'jakaa', jonka aiomme suorittaa. Sitten välitimme parametrit funktiolle.
Parametrit
Seuraavat ovat pakolliset ja valinnaiset parametrit, jotka lähdimme toteuttamaan divide()-funktiota NumPyssa.
Vaaditut parametrit
array1: on taulukko, joka sisältää osinko-elementit.
array2: on taulukko, joka sisältää jakajaelementit.
Valinnaiset parametrit
ulos: oletusarvoisesti sen arvo on 'ei mitään', mikä tarkoittaa, että arvo on tallennettu. Jos arvoa ei anneta, palautetaan juuri määritetty taulukko.
missä: Tämä parametri lähetetään syöttötaulukon kautta. Jos lause on tosi, tulostaulukko asetetaan universaalifunktion (ufunc) tulokseen. Jos se on epätosi, ulostulotaulukko säilyttää alkuperäisen tuloksensa.
Palautusarvo
Syöttötaulukon palautettu arvo on vasta muodostettu taulukko, joka sisältää divide()-funktion elementtikohtaisen jaon.
Esimerkki 01: Jaa 1D-taulukko skalaariarvolla
Siirrytään nyt kohti ensimmäistä esimerkkiä divide()-funktiosta. Kuten tiedämme, divide()-funktiota käytetään jakamaan kaksi taulukkoa elementtikohtaisesti, mutta tässä ensimmäisessä esimerkissämme meillä on taulukko osinkona ja toiseksi meillä on skalaariarvo jakajana. Python-ohjelman toteuttamiseksi sinun on ensin asennettava mikä tahansa python-kääntäjä tämän ohjelman suorittamiseksi.
Aloitetaan nyt selittää ensimmäinen koodimme rivi riviltä. Koska käytämme NumPy-jako () -funktiota, meidän on ensin tuotava NumPy-moduuli. Sitten käytämme print()-menetelmää näyttääksemme viestin 'Implementation of divide() function:', joka osoittaa, että aiomme toteuttaa divide()-funktion. Ja sitten käytämme muotomääritystä '\n' print () -menetelmässä, jota käytetään uuden rivin syöttämiseen.
Sitten luomme osinkotaulukon '[2, 4, 6, 8, 10]' nimeltä 'taulukko1'. Jos haluat näyttää taulukon1 tulosteessa, kutsuimme print()-menetelmää ja välitimme taulukon siinä. Haluamme näyttää myös taulukkoa1 koskevan suhteellisen viestin, joten olemme kirjoittaneet viestin myös lainausmerkeissä tulostusmenetelmässä. Sitten luomme jakajaksi skalaarimuuttujan “2”, jonka nimi on “scaler_value”, ja näytämme skalaarimuuttujan arvon print()-menetelmällä ja välittämällä muuttujan nimen siihen.
tuonti numpy kuten esim.Tulosta ( 'Dide()-funktion toteutus: \n ' )
matriisi1 = [ kaksi , 4 , 6 , 8 , 10 ]
Tulosta ( 'Osinkotaulukko on:' , array1 )
skaalausarvo = kaksi
Tulosta ( 'Jakaja on:' , skaalausarvo )
uusi_taulukko = np.jako ( jono1,skaalaajan_arvo )
Tulosta ( 'Osamääräinen Array on: , new_array )
Kun olet luonut osinkotaulukon ja jakaja-skalaarimuuttujan, kutsutaan sitten divide()-funktiota jakamiseen NumPyssä. Kuten näet riviltä 1, tuomme numpyn aliaksena np. Joten kutsuaksesi funktiota, kirjoitamme ensin 'np', koska se on NumPy-funktio, kirjoita sitten funktion nimi 'jako' ja välitä parametri divide()-funktion suluissa; tässä esimerkissä siirryimme pakollisiin parametreihin, eli taulukko1 ja skaalausarvo. NumPy divide()-funktion kirjoittamisen jälkeen olemme tallentaneet tämän funktion toiseen uuteen taulukkoon, koska kun taas haluamme tämän funktion, meidän ei tarvitse kirjoittaa vain kutsua divide()-funktiota taulukon nimen kautta, eli new_array. Sitten tulostamme uuden taulukon kutsumalla print()-metodia (ennalta määritetty menetelmä).
Yllä näytetyn koodin tulos näytetään tässä sellaisena kuin se näkyy kuoressa. Kuten näet, saamme osamäärätaulukon, joka on [1 2 3 4 5].
Esimerkki 02: Kahden taulukon jakaminen elementtikohtaisesti
Siirry nyt kohtaan 2 nd esimerkki divide()-funktiosta. Tässä esimerkissä meillä on kaksi syötetaulukkoa divide()-funktion suorittamiseen. Taulukko1 on '[5, 10, 15, 20, 25]' ja matriisi2 on '[3, 7, 11, 13, 17]'. Ja näytämme molemmat taulukot kutsumalla siinä ennalta määritettyä print()-menetelmää. Sitten kutsumme divide()-funktiota ja välitämme siinä olevat parametrit (eli array1 ja array2) ja tallennamme funktion toiseen uuteen taulukkoon nimeltä 'new_array' ja tulostamme sen kutsumalla print()-menetelmää.
tuonti numpy kuten esim.Tulosta ( 'Dide()-funktion toteutus: \n ' )
matriisi1 = [ 5 , 10 , viisitoista , kaksikymmentä , 25 ]
Tulosta ( 'Osinkotaulukko1 on: , array1 )
matriisi2 = [ 3 , 7 , yksitoista , 13 , 17 ]
Tulosta ( 'Disor Array2 on: , array2 )
uusi_taulukko = np.jako ( array1, array2 )
Tulosta ( 'Osamääräinen Array on: , new_array )
Tässä on tulosnäyttö yllä kuvatusta esimerkistä divide()-funktiosta NumPyssa.
Esimerkki 03: Moniulotteiset taulukot divide()-funktiossa
Tässä 3 rd Esimerkiksi aiomme toteuttaa divide()-funktiot moniulotteisessa taulukossa. Ensin tuomme NumPy-moduulin divide()-funktion toteuttamiseksi. Sitten loimme kaksi taulukkoa, 'array1' ja 'array2', ja tulostimme molemmat taulukot kutsumalla ennalta määritettyä print()-menetelmää ja välittämällä nämä taulukot siihen. Sitten kutsuimme divide()-funktiota aliaksella np ja välitimme siihen array1 ja array2, ja tallensimme tämän koko funktion toiseen taulukkoon nimeltä ”new_array”, jotta meidän ei tarvitse kutsua tätä funktiota uudestaan ja uudestaan. Sitten tulostetaan 'new_array' print()-menetelmällä.
tuonti numpy kuten esim.Tulosta ( 'Dide()-funktion toteutus: \n ' )
matriisi1 = [ [ 35 , 72 , 66 , kaksikymmentäyksi ] , [ 90 , 89 , viisikymmentä , 88 ] ]
Tulosta ( 'Osinkotaulukko1 on: , array1 )
matriisi2 = [ [ 19 , 99 , 43 , 22 ] , [ 87 , 46 , 75 , 18 ] ]
Tulosta ( 'Disor Array2 on: , array2 )
uusi_taulukko = np.jako ( array1, array2 )
Tulosta ( 'Osamääräinen Array on: \n ' , new_array )
Katsotaanpa, mikä on NumPyn divide()-funktion yllä määritellyn koodin tulos. Kuten alla näet, olemme saaneet halutun osamäärätaulukon jakamalla array1 ja array2.
Johtopäätös
Tässä artikkelissa olemme oppineet, mikä divide()-funktio on, ja olemme myös toteuttaneet useita erilaisia esimerkkejä ja selittäneet näiden esimerkkien jokaisen koodirivin, jotta sekaannusta ei jää.