Summi marginali di Scipy

Python è il linguaggio di programmazione più amichevole per principianti, che consente ai programmatori di scrivere tutti i programmi per scopi generali relativi alle attività di automazione, alla creazione di siti Web e agli strumenti e alle tecniche di dati analitici. Una delle biblioteche di Python esiste una biblioteca riconosciuta come "Scipy". Questa biblioteca è responsabile dell'esecuzione di qualsiasi compito più rilevante per i sistemi e le operazioni matematiche artificialmente intelligenti poiché ha le funzioni predefinite utilizzate per formare i modelli di machine learning e le reti neurali ed eseguire i calcoli. Scipy offre un attributo o il modulo funzione come "somme marginali". Questa funzione calcola la somma di tutte le voci esistenti nelle righe o nelle voci delle colonne dell'array del set di dati dato. Il set di dati è un array n-dimensionale che ha diverse righe e colonne.

Procedura

La spiegazione del concetto di somme marginali sarà spiegata nell'articolo. Impareremo anche quali librerie sono richieste che ci consentiranno di eseguire il programma correttamente e i parametri e la sintassi per questo. La funzione di somma marginale di Scipy sarà anche spiegata in questo articolo. La piattaforma software con cui lavoreremo è "Google Collab" poiché ha pacchetti preinstallati e risparmia tempo allocando uno spazio GPU per il nostro programma per la loro esecuzione.

Sintassi

$ SCIPY.statistiche.contingenza.margini (array)

La funzione, come menzionato in precedenza, spiega la sintassi delle somme marginali. Questa funzione proviene dal modulo statico della biblioteca di Python Scipy e il modulo STATS utilizza ulteriormente il suo attributo di contingenza per eseguire queste funzioni. I parametri di input coinvolti in questa funzione sono l'array o l'array ND che rappresenta il set di dati per il quale vogliamo trovare le somme marginali.

Valore di ritorno

La funzione restituisce il valore delle somme marginali sotto forma di un elenco in base alle dimensioni dell'array. Questa somma potrebbe essere presa aggiungendo tutti gli elementi delle righe o delle colonne nel set di dati. Quindi salveremo i risultati da tutte le dimensioni N dell'array nel numero "N" delle variabili.

Esempio # 01

Il metodo della somma marginale dallo Scipy prende in un'array ND e calcola la somma marginale per esso. In questo esempio, troveremo la somma dalla funzione marginale dal Scipy. Per iniziare con l'esempio, apri il nuovo notebook in Google Collab e quindi salvalo con un certo nome. Il laboratorio allocherà lo spazio di memoria per il tuo programma. Per lavorare sulla funzione, dobbiamo dichiarare qualsiasi set di dati casuale poiché il set di dati è un array multidimensionale, in modo da dichiarare un array nel programma. Per dichiarare l'array nel programma, importare un pacchetto Python, "Numpy". Questa biblioteca garantisce l'importazione delle informazioni importanti necessarie per dichiarare l'array nel programma. Importeremo questa libreria come "NP", NP verrà utilizzato come prefisso per Numpy. Definiremo una matrice delle due dimensioni con "14" elementi (in totale) in modo casuale. Per definire correttamente questo array, useremo gli attributi di Numpy "Organizza" e "Reshape", queste funzioni distribuiranno prima l'array in quattordici elementi. Li modelleranno rispettivamente in due dimensioni chiamandoli con il prefisso NP come "NP. organizzare (14).Reshape (2, 6) ". Salva i risultati di questo array nella memoria di alcune variabili e chiamalo un "array".

Ora, per prendere la somma marginale per questo array, importare la funzione di somma marginale dallo Scipy, a cui è possibile accedere attraverso le statistiche delle "statistiche dello Scipy. Attributo di emergenza ", quindi integra le statistiche di Scipy. Attributo di contingenza nella somma marginale Funzione come “da Scipy.statistiche.margini di importazione di emergenza ". Ora possiamo semplicemente chiamare i margini anziché le statistiche. contingenza e può trovare la somma per l'array. Chiama la somma marginale del metodo come "margini ()" e passa l'array che avevamo dichiarato, e sembrerebbe questo "margini (array)". Salvemo i risultati da questo metodo Call in due variabili, "A" e "B", per visualizzare i risultati.

Di seguito sono riportati il ​​codice e l'output del programma:

Importa Numpy come NP
da Scipy.statistiche.margini di importazione di emergenza
array = np.Arange (12).Reshape (2, 6)
Stampa (array)
a, b = margini (array)
Stampa (a)

Esempio # 02

Questo esempio visualizzerà come possiamo calcolare la somma marginale per un array con più di due dimensioni. Le biblioteche da importare per il programma sono "numpy" e "Scipy.statistica.contingenza". Importeremo entrambi con il prefisso o il modulo come "np" e "margini", rispettivamente. Usando l'NP di Numpy chiameremo la funzione "Organizzazione" e "Reshape" per la dichiarazione dell'array tridimensionale che sarebbe chiamato "NP. Organizzare (12).Reshape (3,2,2) ".Questo array avrà tre dimensioni in totale e gli elementi saranno "24" esattamente, distribuiti equamente dal metodo Orgy ().

Dopo questa definizione dell'array, passeremo questo array alle funzioni dei margini () e salveremo i risultati dalle funzioni in tre diverse variabili. Uno dei quali avrà informazioni sulle somme marginali dell'array e le altre due avranno informazioni sulle righe degli array. Quindi, possiamo semplicemente stamparli e sapere qual è il numero specifico di righe nell'array come elementi. Ecco come calcoliamo le somme marginali per l'array tridimensionale. Abbiamo allegato lo snippet del codice e l'output per questo programma di seguito. Copia questo programma ed eseguilo così com'è su qualsiasi compilatore Python; genererà lo stesso output.

Importa Numpy come NP
da Scipy.statistiche.margini di importazione di emergenza
array = np.Arange (12).Reshape (3,2,2)
print ("array: \ n", array)
a, b, c = margini (array)
stampa ("a: \ n", a)
print ("b: \ n", b)
print ("c: \ n", c)

Conclusione

La funzione di somma marginale da Scipy non è direttamente accessibile, quindi abbiamo prima importato le "statistiche" del modulo dalla libreria Scipy e abbiamo usato il modulo "contingenza" dalle statistiche per accedere alle somme marginali come "margini". Abbiamo discusso dell'implementazione dei due esempi per le somme marginali per i due diversi ARRAY che hanno due dimensioni come due e tre. I risultati dei programmi sono mostrati e spiegati nell'articolo.