آموزش توابع ریاضی در NumPy

4 سال پیش

امتیاز دهید post

آموزش توابع ریاضی در NumPy

در این درس از مجموعه آموزش برنامه نویسی سایت سورس باران، به آموزش توابع ریاضی در NumPy خواهیم پرداخت.

پیشنهاد ویژه : آموزش طراحی وب سایت با پایتون

کاملاً قابل درک است که NumPy شامل تعداد زیادی عملیات مختلف ریاضی است. NumPy توابع مثلثاتی استاندارد، توابع برای عملیات حساب، دست زدن به اعداد مختلط و غیره را فراهم می کند.

توابع مثلثاتی

NumPy توابع مثلثاتی استانداردی دارد که نسبت های مثلثاتی را برای یک زاویه معین در رادیان برمی گرداند.

مثال

import numpy as np 
a = np.array([0,30,45,60,90]) 

print 'Sine of different angles:' 
# Convert to radians by multiplying with pi/180 
print np.sin(a*np.pi/180) 
print '\n'  

print 'Cosine values for angles in array:' 
print np.cos(a*np.pi/180) 
print '\n'  

print 'Tangent values for given angles:' 
print np.tan(a*np.pi/180)

import numpy as np

a = np.array([0,30,45,60,90])

print 'Sine of different angles:'

# Convert to radians by multiplying with pi/180

print np.sin(a*np.pi/180)

print '\n'

print 'Cosine values for angles in array:'

print np.cos(a*np.pi/180)

print '\n'

print 'Tangent values for given angles:'

print np.tan(a*np.pi/180)

در اینجا خروجی آن است –

Sine of different angles:
[ 0.          0.5         0.70710678  0.8660254   1.        ]

Cosine values for angles in array:
[  1.00000000e+00   8.66025404e-01   7.07106781e-01   5.00000000e-01
   6.12323400e-17]                                                            

Tangent values for given angles:
[  0.00000000e+00   5.77350269e-01   1.00000000e+00   1.73205081e+00
   1.63312394e+16]

Sine of different angles:

[ 0. 0.5 0.70710678 0.8660254 1. ]

Cosine values for angles in array:

[ 1.00000000e+00 8.66025404e-01 7.07106781e-01 5.00000000e-01

6.12323400e-17]

Tangent values for given angles:

[ 0.00000000e+00 5.77350269e-01 1.00000000e+00 1.73205081e+00

1.63312394e+16]

توابع arcsin ، arcos و arctan معکوس مثلثاتی گناه ، cos و tan را از زاویه داده شده برمی گردانند. نتیجه این توابع را می توان با تبدیل تعداد شعاع به درجه توسط تابع ()numpy.degrees تأیید کرد.

مثال

import numpy as np 
a = np.array([0,30,45,60,90]) 

print 'Array containing sine values:' 
sin = np.sin(a*np.pi/180) 
print sin 
print '\n'  

print 'Compute sine inverse of angles. Returned values are in radians.' 
inv = np.arcsin(sin) 
print inv 
print '\n'  

print 'Check result by converting to degrees:' 
print np.degrees(inv) 
print '\n'  

print 'arccos and arctan functions behave similarly:' 
cos = np.cos(a*np.pi/180) 
print cos 
print '\n'  

print 'Inverse of cos:' 
inv = np.arccos(cos) 
print inv 
print '\n'  

print 'In degrees:' 
print np.degrees(inv) 
print '\n'  

print 'Tan function:' 
tan = np.tan(a*np.pi/180) 
print tan
print '\n'  

print 'Inverse of tan:' 
inv = np.arctan(tan) 
print inv 
print '\n'  

print 'In degrees:' 
print np.degrees(inv)

import numpy as np

a = np.array([0,30,45,60,90])

print 'Array containing sine values:'

sin = np.sin(a*np.pi/180)

print sin

print '\n'

print 'Compute sine inverse of angles. Returned values are in radians.'

inv = np.arcsin(sin)

print inv

print '\n'

print 'Check result by converting to degrees:'

print np.degrees(inv)

print '\n'

print 'arccos and arctan functions behave similarly:'

cos = np.cos(a*np.pi/180)

print cos

print '\n'

print 'Inverse of cos:'

inv = np.arccos(cos)

print inv

print '\n'

print 'In degrees:'

print np.degrees(inv)

print '\n'

print 'Tan function:'

tan = np.tan(a*np.pi/180)

print tan

print '\n'

print 'Inverse of tan:'

inv = np.arctan(tan)

print inv

print '\n'

print 'In degrees:'

print np.degrees(inv)

خروجی آن به شرح زیر است –

Array containing sine values:
[ 0.          0.5         0.70710678  0.8660254   1.        ]

Compute sine inverse of angles. Returned values are in radians.
[ 0.          0.52359878  0.78539816  1.04719755  1.57079633] 

Check result by converting to degrees:
[  0.  30.  45.  60.  90.]

arccos and arctan functions behave similarly:
[  1.00000000e+00   8.66025404e-01   7.07106781e-01   5.00000000e-01          
   6.12323400e-17] 

Inverse of cos:
[ 0.          0.52359878  0.78539816  1.04719755  1.57079633] 

In degrees:
[  0.  30.  45.  60.  90.] 

Tan function:
[  0.00000000e+00   5.77350269e-01   1.00000000e+00   1.73205081e+00          
   1.63312394e+16]

Inverse of tan:
[ 0.          0.52359878  0.78539816  1.04719755  1.57079633]

In degrees:
[  0.  30.  45.  60.  90.]

Array containing sine values:

[ 0. 0.5 0.70710678 0.8660254 1. ]

Compute sine inverse of angles. Returned values are in radians.

[ 0. 0.52359878 0.78539816 1.04719755 1.57079633]

Check result by converting to degrees:

[ 0. 30. 45. 60. 90.]

arccos and arctan functions behave similarly:

[ 1.00000000e+00 8.66025404e-01 7.07106781e-01 5.00000000e-01

6.12323400e-17]

Inverse of cos:

[ 0. 0.52359878 0.78539816 1.04719755 1.57079633]

In degrees:

[ 0. 30. 45. 60. 90.]

Tan function:

[ 0.00000000e+00 5.77350269e-01 1.00000000e+00 1.73205081e+00

1.63312394e+16]

Inverse of tan:

[ 0. 0.52359878 0.78539816 1.04719755 1.57079633]

In degrees:

[ 0. 30. 45. 60. 90.]

این تابعی است که مقدار گرد شده را به دقت دلخواه برمی گرداند. این تابع پارامترهای زیر را می گیرد.

numpy.around(a,decimals)

1	numpy.around(a,decimals)

	پارامترها
1	a داده های ورودی
2	decimals تعداد اعشار برای دور زدن به. پیش فرض 0 است. در صورت منفی ، عدد صحیح گرد می شود تا در سمت چپ نقطه اعشار قرار گیرد

پارامترها

داده های ورودی

decimals

تعداد اعشار برای دور زدن به. پیش فرض 0 است. در صورت منفی ، عدد صحیح گرد می شود تا در سمت چپ نقطه اعشار قرار گیرد

مثال

import numpy as np 
a = np.array([1.0,5.55, 123, 0.567, 25.532]) 

print 'Original array:' 
print a 
print '\n'  

print 'After rounding:' 
print np.around(a) 
print np.around(a, decimals = 1) 
print np.around(a, decimals = -1)

import numpy as np

a = np.array([1.0,5.55, 123, 0.567, 25.532])

print 'Original array:'

print a

print '\n'

print 'After rounding:'

print np.around(a)

print np.around(a, decimals = 1)

print np.around(a, decimals = -1)

این خروجی زیر را تولید می کند –

Original array:                                                               
[   1.       5.55   123.       0.567   25.532] 

After rounding:                                                               
[   1.    6.   123.    1.   26. ]                                               
[   1.    5.6  123.    0.6  25.5]                                          
[   0.    10.  120.    0.   30. ]

Original array:

[ 1. 5.55 123. 0.567 25.532]

After rounding:

[ 1. 6. 123. 1. 26. ]

[ 1. 5.6 123. 0.6 25.5]

[ 0. 10. 120. 0. 30. ]

این تابع بزرگترین عدد صحیح را بزرگتر از پارامتر ورودی برمی گرداند. کف اسکالر x بزرگترین عدد صحیح i است ، به طوری که i <= x. توجه داشته باشید که در پایتون ، کفپوش همیشه از 0 دور است.

مثال

import numpy as np 
a = np.array([-1.7, 1.5, -0.2, 0.6, 10]) 

print 'The given array:' 
print a 
print '\n'  

print 'The modified array:' 
print np.floor(a)

import numpy as np

a = np.array([-1.7, 1.5, -0.2, 0.6, 10])

print 'The given array:'

print a

print '\n'

print 'The modified array:'

print np.floor(a)

این خروجی زیر را تولید می کند –

The given array:                                                              
[ -1.7   1.5  -0.2   0.6  10. ]

The modified array:                                                           
[ -2.   1.  -1.   0.  10.]

The given array:

[ -1.7 1.5 -0.2 0.6 10. ]

The modified array:

[ -2. 1. -1. 0. 10.]

()numpy.ceil

تابع ()ceil سقف یک مقدار ورودی را برمی گرداند، یعنی سقف اسکالر x کوچکترین عدد صحیح i است ، به طوری که i> = x.

مثال

import numpy as np 
a = np.array([-1.7, 1.5, -0.2, 0.6, 10]) 

print 'The given array:' 
print a 
print '\n'  

print 'The modified array:' 
print np.ceil(a)

import numpy as np

a = np.array([-1.7, 1.5, -0.2, 0.6, 10])

print 'The given array:'

print a

print '\n'

print 'The modified array:'

print np.ceil(a)

این خروجی زیر را تولید می کند –

The given array:                                                              
[ -1.7   1.5  -0.2   0.6  10. ]

The modified array:                                                           
[ -1.   2.  -0.   1.  10.]

The given array:

[ -1.7 1.5 -0.2 0.6 10. ]

The modified array:

[ -1. 2. -0. 1. 10.]

منبع.

لیست جلسات قبل آموزش NumPy

امتیاز دهید post

برچسب ها : آموزش NumPy آموزش برنامه نویسی پایتون

نویسنده مطلب saber

آموزش توابع ریاضی در NumPy

آموزش توابع ریاضی در NumPy

توابع مثلثاتی

مثال

مثال

مثال

مثال

()numpy.ceil

مثال

لیست جلسات قبل آموزش NumPy

دیدگاه شما

بدون دیدگاه

آموزش توابع ریاضی در NumPy

توابع مثلثاتی

مثال

مثال

مثال

مثال

()numpy.ceil

مثال

لیست جلسات قبل آموزش NumPy

دیدگاه شما

برای صرف‌نظر کردن از پاسخ‌گویی اینجا را کلیک نمایید.

بدون دیدگاه