Numpy sqrt

Numpy sqrt rappresenta la funzione dello script Python che viene utilizzato per prendere la radice quadrata degli elementi. Numpy è conosciuta come una biblioteca nel linguaggio Python che è stato costruito per funzionare con gli Array ND e anche per la manipolazione di array e matrici con l'operazione matematica come operazioni a matrice, operazioni aritmetiche, operazioni statistiche e algebra lineare per implementare queste funzioni su gli array. La funzione Numpy SQRT assume il singolo elemento o le matrici/array multidimensionali e applica la radice quadrata su ciascun elemento dell'array e restituisce il valore della radice quadra.

Procedura:

La procedura dell'articolo copre tutti i principali concetti che possono essere necessari a qualsiasi principiante di comprendere completamente il concetto relativo alla funzione Numpy SQRT. Inizialmente, i parametri per la funzione che chiama Numpy SQRT saranno discussi in lingua Python e quindi implementiamo i vari esempi che si occupano dei diversi scenari della funzione Numpy SQRT. Per lavorare praticamente con questa funzione, useremo i compilatori Python con la libreria numpy installata in essi. Di seguito è riportato il processo passo-passo per la funzione Numpy SQRT.

Sintassi:

Prima di implementare o chiamare qualsiasi funzione nel nostro codice, dobbiamo prima conoscere i suoi parametri di input che la funzione prende e restituisce l'output desiderato. Pertanto, ora esploriamo il metodo per chiamare la funzione Numpy SQRT. Questa funzione ha la seguente sintassi con i parametri menzionati nel seguente:

$ numpy. sqrt ()

Il primo parametro della funzione è il "array di input" la cui radice quadrata vogliamo determinare. Il secondo parametro è il "out" che rappresenta l'array ND in cui vogliamo archiviare i risultati che vengono restituiti dopo aver preso la radice quadrata dell'array di input. Qui, dobbiamo essere cauti che la forma e le dimensioni di questo array dovrebbero essere uguali all'array di input e questo parametro non è una coazione, è facoltativo. L'ultimo parametro è il "ritorno". Il ritorno è un array ND che ha la radice quadrata dell'array di input in esso. Dopo aver conosciuto la sintassi in dettaglio per la funzione Numpy SQRT, ora implementiamo questa sintassi e proviamo a chiamare questa funzione per diversi esempi nel codice Python.

Esempio 1:

La funzione Array Numpy è la funzione più semplice da usare, ma tuttavia, cerchiamo di implementarlo con l'esempio più semplice, e quindi aumentiamo gradualmente il livello di difficoltà nei prossimi esempi. Per iniziare l'esempio, creiamo prima un progetto con il nome "SQRT" nel compilatore Python. Dopo aver creato un nuovo progetto, ora importa le biblioteche importanti. Una delle biblioteche più importanti che si occupano di ND-Arrays è il "numpy". Durante l'importazione di questa libreria, ci possono essere modi diversi. Possiamo importare questa libreria come numpy o potremmo dargli un prefisso o un soprannome come "NP" per chiamarla con la funzione nel codice in seguito. Il metodo convenzionale per importare Numpy è utilizzare il prefisso "NP", quindi andiamo d'accordo anche con questo metodo.

Con i passaggi precedenti che vengono eseguiti correttamente, ora inizializziamo un array che passiamo alla funzione della radice quadrata per calcolare la radice quadrata dei suoi elementi. Dichiariamo e inizializziamo l'array usando il "NP. Metodo Array () "e gli elementi che diamo a questo array sono" [4, 9, 16, 25] ". Per calcolare la radice quadrata, chiamiamo "NP. sqrt () "funzione e passa questa funzione all'array che abbiamo creato. Archiviamo i risultati dalla funzione "SQRT" in un altro array con le dimensioni uguali all'array di input come "radice quadrata". E poi, visualizziamo la radice quadrata con l'aiuto del metodo Print (). Possiamo usare il seguente codice scritto nello script Python e controllare i risultati:

Importa Numpy come NP
# Dichiarare un array con numeri reali positivi
array = np.Array ([4, 9, 16, 25])
# calcolando la radice quadrata di un array
Squareroot = np.sqrt (array)
Print ("Squareroot of Array:", Square Root)

I risultati dell'esempio sono usciti per essere un altro array con gli elementi che sono la radice quadrata dell'array di input come "[2, 3, 4, 5]". Questo ci porta alla conclusione che abbiamo imparato con successo a usare la funzione di radice quadrata numpy.

Esempio 2:

L'esempio precedente ha i numeri reali positivi. Quindi, abbiamo calcolato la loro radice quadrata. Ma in questo esempio, ci occupiamo di numeri complessi. Inizializziamo un array con i numeri complessi e quindi prendiamo la radice quadrata di quei numeri complessi. Iniziamo creando un nuovo progetto e importa la biblioteca Numpy con la convenzione di cui abbiamo discusso nel primo esempio.

Dopo questo, inizializziamo un array monodimensionale chiamando il "NP.Metodo array () "con i suoi elementi come numeri complessi come" [4 + 25J, 9 + 16J, - 5 - 8J] ". Calcoliamo la radice quadrata di questi numeri complessi passando questi numeri ai parametri del "NP. sqrt () "funzione e visualizza i risultati. Quello che segue è il codice Python che possiamo eseguire nei nostri compilatori per vedere se questa funzione funziona per numeri complessi o no:

Importa Numpy come NP
# dichiarare un array con numeri complessi
array = np.Array ([4 + 25J, 9 + 16J, - 5 - 8J])
# calcolando la radice quadrata di un array
Squareroot = np.sqrt (array)
Print ("Squareroot of Array:", Square Root)

Abbiamo eseguito il codice pervico e salvato i risultati dal codice nella variabile "Squareroot". La figura precedente mostra l'output del codice che è la radice quadrata dei numeri complessi che abbiamo fornito nell'array di input.

Conclusione

L'articolo getta luce sul concetto di Numpy.funzione sqrt (). Abbiamo appreso e discusso l'introduzione e la sintassi di questa funzione in questo articolo per ottenere una buona presa su questo concetto. E poi, per testare le nostre conoscenze, abbiamo eseguito due esempi in cui abbiamo dovuto definire i due array con i numeri reali e complessi come elementi e quindi calcolati le loro radici quadrate. Speriamo che questo articolo ti aiuti a liberare le tue ambiguità sull'uso di Numpy.funzione sqrt ().