Syntaksi
Syntaksi kompleksilukuja sisältävän taulukon luomiseksi on seuraava:
Tapa 1:
1j * np. järjestää ( koko )Yllä 1j annettu syntaksi on imaginaariosa, mikä tarkoittaa, että luomme kompleksilukujen taulukon, jossa np.arrang on NumPyn tarjoama funktio taulukon luomiseksi määrätylle alueelle. Koko, joka ilmaisee taulukon koon, välitetään funktiolle.
Tapa 2:
esim. joukko ( [ Re+Re*Im , Re+Re*Im , … ] )Tässä syntaksissa np.arrray on funktio, jonka avulla voimme luoda taulukon, mutta emme voi siirtää aluetta sille. Välitämme arvot sille 'n' kertaa. Toiminnossa välitettiin 'Re', joka ilmaisee reaalilukuja ja lisää ne 'Im':hen imaginaariluku reaaliluvun kerrannaisena. Voimme siirtää kuvitteelliset arvot n kertaan.
Esimerkki # 01:
Kuten tiedämme, NumPy tukee myös kompleksilukuja ja tarjoaa useita erilaisia menetelmiä kompleksilukujen toteuttamiseksi ja käsittelemiseksi. Alla olevassa esimerkissä toteutamme kaksi tapaa luoda kompleksilukuja sisältäviä taulukoita. Toteuttaaksemme NumPy-funktiot, tuomme ensin NumPy-kirjaston np-muodossa. Sitten alustamme taulukon nimeltä 'taulukko_a', jolle määritämme funktion np.arange(), joka sisältää kompleksiluvut. Ja taulukon alue on '8'. Seuraavalla rivillä loimme toisen taulukon nimeltä 'taulukko_b', jolle välitimme kompleksilukujen joukon välittämällä kompleksiarvot suoraan sille. Lopulta tulostimme monimutkaisen taulukon, jonka loimme molemmilla menetelmillä.
tuonti nuhjuinen kuten esim.
array_a = 1j * np. järjestää ( 8 )
array_b = esim. joukko ( [ kaksi +1d , 3 +4j , 5 +2j , 1 +6j ] )
Tulosta ( 'monimutkainen taulukko käyttäen arange()-funktiota' , array_a )
Tulosta ( 'monimutkainen taulukko np.array()-funktiolla' , array_b )
Kuten alla olevassa katkelmassa näkyy, se on suorittamamme koodin tulos. Näemme, että olemme luoneet kaksi taulukkoa, joiden kompleksilukualue on 0j - 7j. Toisessa olemme läpäisseet koon 4 kompleksilukujen satunnaisen alueen.
Tapa 3:
esim. monimutkainen ( Re+Re*Im )Yllä annetussa syntaksissa np.complex() on Python-paketin NumPy tarjoama sisäänrakennettu luokka, jonka avulla voimme tallentaa monimutkaisia arvoja.
Esimerkki # 02:
Toinen tapa luoda NumPy-kompleksitaulukko on käyttää NumPy:n kompleksi()-luokkaa. Complex class():ta käytetään kompleksilukujen tallentamiseen ja se palauttaa kompleksiobjektin, jota voimme käyttää useita kertoja yhdessä koodissa. Nyt kun toteutamme complex()-luokan, tuomme ensin Numpy-pakettimme. Sitten alustamme taulukon, jolle välitimme kompleksisen luokan, joka käyttää asteriskia “*” siirtääkseen kompleksiluokan () objektin, jolle välitimme “3+1j”. Arrange()-funktion avulla loimme taulukon, jonka koko on 5. Lopuksi näytimme vain sen koodin ulostulon, jossa loimme kompleksisen taulukon käyttämällä complex()-luokkaa.
tuonti nuhjuinen kuten esim.joukko = esim. monimutkainen ( 3 +1d ) *esim. järjestää ( 5 )
Tulosta ( 'monimutkainen taulukko käyttäen luokkaa np.complex()' , joukko )
Kuten alla olevasta kuvasta näkyy, olemme luoneet joukon kompleksilukuja. Mutta vielä yksi asia, jonka voimme havaita kuvassa, on se, että vakioarvoa ei suoriteta peräkkäin, koska olemme siirtäneet '3+1j' kompleksi()-luokkaan, mikä tarkoittaa, että numero kolme lisätään jokaiseen seuraavaan vakioarvoon.
Tapa 4:
esim. yhdet ( muoto , dtype = Ei mitään , Tilaus = 'C' , * , Kuten = Ei mitään )Tässä menetelmässä np.ones() määritetään kompleksilukujen joukko käyttämällä NumPy-taulukon dtype-parametria. Np.ones()-funktiota käytetään palauttamaan uusi taulukko, joka sisältää ykkösiä. Funktiolle np.ones() välitettiin neljä parametria 'shape', joita käytetään määrittämään taulukon muoto, onko se '2', '3' vai muu. 'dtype' on tietotyyppi. Meidän tapauksessamme käytämme monimutkaista tietotyyppiä. 'Järjestys' määrittää, onko matriisi yksiulotteinen, kaksiulotteinen vai moniulotteinen.
Esimerkki # 03:
Toteutetaan ones()-menetelmä saadaksemme paremman käsityksen siitä, miten se toimii kompleksilukuja käytettäessä. Tämän menetelmän toteuttamiseksi tuomme ensin Pythonin tarjoamat NumPy-paketit. Seuraavaksi luomme taulukon, johon välitämme np.ones()-funktion, jolle välitimme kaksi parametria. Ensimmäinen on '4', mikä tarkoittaa, että taulukon koko on 4 ja toinen on 'dtype', joka on monimutkainen. Tämä tarkoittaa, että aiomme luoda joukon tietotyyppisiä kompleksilukuja. Kertomalla one()-funktion arvolla '2' tarkoittaa, että todellinen lukumme on '2'. Lopulta tulostimme print-käskyllä luomamme taulukon.
tuonti nuhjuinen kuten esim.joukko = esim. yhdet ( 4 , dtype = monimutkainen ) * kaksi
Tulosta ( 'monimutkainen taulukko np.ones()-funktiolla' , joukko )
Kuten alla näytetään, koodimme tulos suoritetaan onnistuneesti, jossa meillä on yksiulotteinen taulukko, joka sisältää 4 kompleksiarvoa reaaliluvulla 2.
Esimerkki # 04:
Toteutetaan nyt toinen esimerkki, jossa luomme kompleksilukujen taulukon ja tulostamme kompleksilukujen imaginaari- ja reaaliosat. Tuomme ensin NumPy-kirjaston ja luomme sitten taulukon, jolle välitimme '6' kompleksiarvoa taulukkoon nimeltä 'taulukko', joka on '56+0j, 27+0j, 68+0j, 49+0j, 120+0j'. , 4+0j”. Seuraavalla rivillä tulostimme taulukon. Nyt tulostamme kompleksisen taulukon kuvitteelliset ja todelliset arvot.
Numpy tarjoaa sisäänrakennetun toiminnon molemmille alla näytetyille toiminnoille. Ensimmäinen, joka saa imaginaarisen osan, on 'taulukon_nimi.kuva', jossa arvo ennen pistettä on taulukko, josta meidän on saatava imaginaariosa. Ja toinen, joka saa oikean osan, on 'array_name.real'. Meidän tapauksessamme taulukon nimi on 'taulukko', joten välitimme print-lauseen, taulukon nimen ja avainsanan saadaksemme molemmat elementit.
tuonti nuhjuinen kuten esim.joukko = esim. joukko ( [ 56 .+ 0 . j , 27 .+ 0 . j , 68 .+ 0 . j , 49 .+ 0 . j , 120 .+ 0 . j , 3 + 4 . j ] )
Tulosta ( 'Alkuperäinen array:x' , joukko )
Tulosta ( 'Matriisin todellinen osa:' )
Tulosta ( joukko . todellinen )
Tulosta ( 'Matriisin kuvitteellinen osa:' )
Tulosta ( joukko . imag )
Kuten alla olevassa katkelmassa näkyy, tulos, jossa kompleksisen taulukon imaginaari- ja reaaliosa suoritetaan onnistuneesti. Kun oikeat osat ovat '56', '27', '68', '120' ja '3'. Ja kuvitteelliset osat ovat '0'.
Johtopäätös
Tässä artikkelissa olemme keskustelleet lyhyesti kompleksiluvuista ja siitä, kuinka voimme luoda monimutkaisia taulukoita käyttämällä NumPyn sisäänrakennettuja toimintoja. Kuvasimme useita toimintoja, joiden avulla voimme luoda monimutkaisia taulukoita toteuttamalla useita esimerkkejä ymmärtääksemme paremmin.