NumPy Element Wise Division

Numpy Element Wise Division



'I denne tutorial skal vi lære, hvad NumPy divide()-funktionen er, og hvordan man bruger denne funktion med forskellige forklarede eksempler.

Som du ved, med navnet på funktionen, dvs. dividere. Hvis vi taler om matematik, deler vi to tal for at få det angivne svar.'







Introduktion

Her vil delefunktionen fungere på samme måde som vi diskuterede ovenfor; den eneste forskel er, at der deler vi to tal, og her deler vi hvert element i arrays. Det er derfor, det er kendt som en elementmæssig opdeling.



Funktionen NumPy divide() deler NumPy-arrays af samme størrelse. NumPy dividen() udfører sande divisioner, hvilket betyder, at vi får output i et flydende komma.



Syntaks

Lad os diskutere skrivestilen og implementeringen af ​​divide()-funktionen i NumPy. Først skal vi skrive navnet på biblioteket af python, som vi bruger, som er 'numpy', og så har vi et funktionsnavn 'divide', som vi skal udføre. Derefter sendte vi parametrene til funktionen.





Parametre

Følgende er de påkrævede og valgfrie parametre, som vi vedtog under implementeringen af ​​divide()-funktionen i NumPy.



Påkrævede parametre

matrix1: er det array, der vil indeholde udbytteelementerne.

matrix2: er det array, der vil indeholde divisorelementerne.

Valgfri parametre

ud: som standard er dens værdi 'ingen', hvilket betyder, at værdien er gemt. Hvis værdien ikke er angivet, returneres det nyligt tildelte array.

hvor: Denne parameter udsendes over input-arrayet. Hvis sætningen er sand, vil output-arrayet blive sat til resultatet for universel funktion (ufunc). Hvis det er falsk, vil ud-arrayet beholde sit oprindelige resultat.

Returværdi

Den returnerede værdi af input-arrayet er den nydannede matrix, der indeholder en element-vis division af divide()-funktionen.

Eksempel 01: Opdel 1D-array efter skalarværdi

Lad os nu gå mod det første eksempel på divide()-funktionen. Da vi ved, at divide()-funktionen bruges til at dividere de to arrays elementmæssigt, men her i vores første eksempel har vi en array som udbytte, og for det andet har vi en skalarværdi som divisor. For at implementere et python-program skal du først installere en hvilken som helst python-kompiler for at køre dette program.

Lad os nu begynde at forklare vores første kode linje for linje. Da vi skal bruge NumPy division()-funktionen, skal vi først importere NumPy-modulet. Derefter bruger vi en print()-metode til at vise en meddelelse 'Implementering af divide()-funktion:', der viser, at vi skal implementere en divide()-funktion. Og så bruger vi en formatspecifikation '\n' i print () metoden, der bruges til at indtaste en ny linje.

Derefter opretter vi vores udbyttearray '[2, 4, 6, 8, 10]' med navnet 'array1'. For at vise array1 i outputtet kaldte vi en print()-metode og sendte arrayet i den. Vi ønsker også at vise den relaterbare besked vedrørende array1, så vi har også skrevet beskeden i dobbelte anførselstegn i printmetoden. Derefter opretter vi en skalarvariabel '2' med navnet 'scaler_value' som en divisor, og vi viser værdien af ​​den skalarvariable ved at bruge print()-metoden og overføre variabelnavnet i den.

import numpy som for eksempel.



Print ( 'Implementering af divide() funktion: \n ' )

matrix1 = [ to , 4 , 6 , 8 , 10 ]

Print ( 'Dividende-arrayet er:' , matrix1 )

scaler_value = to

Print ( 'Divisor er:' , scaler_value )

new_array = np.divide ( array1,scaler_value )

Print ( 'Quotient Array er:' , ny_array )

Efter at have oprettet vores dividende-array og divisor-skalarvariabel, lad os derefter kalde divide()-funktionen for at udføre divisionen i NumPy. Som du ser i linje 1, importerer vi numpy som alias np. Så for at kalde funktionen, skriver vi først 'np', fordi det er NumPy-funktionen, skriver derefter funktionsnavnet 'divide' og sender parameteren i divide()-funktionsparenteserne; i dette eksempel gik vi videre til påkrævede parametre, dvs. array1 og scaler_value. Efter at have skrevet NumPy divide()-funktionen, har vi gemt denne funktion i et andet nyt array, fordi når vi igen vil have denne funktion, behøver vi ikke at skrive bare kalde divide()-funktionen gennem array-navnet, dvs. new_array. Derefter udskriver vi det nye array ved at kalde print()-metoden (en foruddefineret metode).

Outputtet af koden vist ovenfor er vist her, som det vises i skallen. Som du ser, får vi kvotientarrayet, der er [1 2  3  4  5].

Eksempel 02: Opdeling af to arrays Element-Wise

Gå nu videre til 2 nd eksempel på divide()-funktionen. I dette eksempel har vi to input-arrays til at udføre divide()-funktionen. Array1 er '[5, 10, 15, 20, 25]', og array2 er '[3, 7, 11, 13, 17]'. Og vi viser begge arrays ved at kalde den foruddefinerede metode print() metode i den. Derefter kalder vi divide()-funktionen og sender parametrene (dvs. array1 og array2) i den og gemmer funktionen i et andet nyt array ved navn 'new_array' og udskriver det ved at kalde print()-metoden.

import numpy som for eksempel.



Print ( 'Implementering af divide() funktion: \n ' )

matrix1 = [ 5 , 10 , femten , tyve , 25 ]

Print ( 'Dividende Array1 er: ' , matrix1 )

array2 = [ 3 , 7 , elleve , 13 , 17 ]

Print ( 'Divisor Array2 er:' , array2 )

new_array = np.divide ( matrix1, matrix2 )

Print ( 'Quotient Array er:' , ny_array )

Her er outputvisningen af ​​det ovenfor illustrerede eksempel på divide()-funktionen i NumPy.

Eksempel 03: Multi-Dimensional Arrays i divide() funktion

I denne 3 rd for eksempel skal vi implementere divide()-funktionerne på det multidimensionelle array. Først importerer vi NumPy-modulet for at implementere divide()-funktionen. Derefter oprettede vi to arrays, 'array1' og 'array2', og vi udskrev begge arrays ved at kalde den foruddefinerede print()-metode og overføre disse arrays i den. Så kaldte vi divide()-funktionen med alias np og sendte array1 og array2 i den, og gemte hele denne funktion i et andet array ved navn 'new_array', så vi ikke behøver at kalde denne funktion igen og igen. Derefter udskriver vi 'new_array' ved at bruge print() metoden.

import numpy som for eksempel.



Print ( 'Implementering af divide() funktion: \n ' )

matrix1 = [ [ 35 , 72 , 66 , enogtyve ] , [ 90 , 89 , halvtreds , 88 ] ]

Print ( 'Dividende Array1 er: ' , matrix1 )

array2 = [ [ 19 , 99 , 43 , 22 ] , [ 87 , 46 , 75 , 18 ] ]

Print ( 'Divisor Array2 er:' , array2 )

new_array = np.divide ( matrix1, matrix2 )

Print ( 'Quotient Array er: \n ' , ny_array )

Lad os se, hvad outputtet af den ovenfor definerede kode for divide()-funktionen i NumPy er. Som du ser nedenfor, har vi fået det ønskede kvotientarray ved at dividere arra1 og array2.

Konklusion

I denne artikel har vi lært, hvad divide()-funktionen er, og vi har også implementeret flere forskellige eksempler og forklaret hver linje med kode i disse eksempler, så der ikke er nogen forvirringspunkter.