Numpy amax metode

I dag lærer vi om amax () -funksjon og implementering av AMAX () -metoden. Men før det vil vi også lære forskjellen mellom Max () -funksjonen, Amax () -funksjonen og maksimal () -funksjonen.

Numpy er en av de viktige modulene til Python som fungerer med numeriske problemer. Den har flere funksjoner som brukes til å løse disse numeriske problemene med Python. Maks () -funksjonen er ikke forskjellig fra Amax () -funksjonen fordi “NP.Max ”er aliaset til Amax () -funksjonen. Det brukes til å finne maksimal verdi fra inngangsarrayen sammen med bestemte akser. Men maksimal () -funksjonen tar to inngangsarrays og finner maksimal verdi elementmessig.

Numpy Amax () -funksjonen brukes til å beregne det maksimale elementet i Numpy -matriser. Vi kan også finne maksimalt rad, kolonne eller andre akser fra inngangsarrayene.

Syntaks:

La oss se nærmere på skrivestilen og implementeringen av Amax () -funksjonssyntaksen. Først skriver vi alltid modulnavnet som vi bruker. Her bruker vi Numpy -modulen der vi skriver “Numpy”. Deretter skriver vi funksjonsnavnet til Numpy som vi ønsker å implementere, som er amax () -funksjonen. Etter dette overfører vi parametrene til funksjonen.

Parametere:

Følgende er parametrene til AMAX () -funksjonen som vi passerer under kompileringsprosessen.

en: Inngangsoppstillingen som vi ønsker å finne det maksimale elementet fra inngangsarrayen.

akser: Brukes til å finne i hvilken akse vi opererer funksjonen for å få ønsket utgang.

ute: Den forteller den alternative banen der dataene er lagret etter å ha fått det maksimale elementet fra matrisen.

Keepdims: Hvis det er sant, er de reduserte aksene fremdeles til stede i utgangen som dimensjoner i størrelse 1. Ved å gjøre dette får vi riktig sendingsutgang fra inngangsarrayen.

Returverdi:

Til gjengjeld får vi det maksimale elementet eller maksimum av raden eller kolonnen i inngangsarrayen. Vi får skalærutgangen hvis aksen ikke er.

Eksempel 1:

La oss begynne å implementere det aller første eksemplet på Amax () -funksjonen til Numpy -modulen. For å gjøre det, trenger vi en Python -kompilator for å implementere eksemplene på Python Numpy. Åpne enhver Python -kompilator for å utføre programmet.

Først installerer vi Python -modulen som vi vil implementere. Her implementerer vi Numpy -modulen, så vi installerer denne modulen. Etter dette importerer vi Numpy Library. Den eneste måten å importere biblioteket på er å skrive først "import" nøkkelord som forteller kompilatoren at vi skal importere biblioteket. Deretter skriver vi biblioteknavnet som er "numpy". Deretter skriver vi aliaset til Numpy som er "NP".

Importer numpy som NP
Print ("Implementering av Amax () -funksjon: \ n")
np.tilfeldig.frø (10)
arr = np.tilfeldig.Randint (størrelse = 7, lav = 23, høy = 67)
Print ("Inngangsarrayen er:", ARR)
max_element = np.amax (arr)
print ("\ n det maksimale elementet er:", max_element)

Etter å ha importert biblioteket, begynner vi å skrive den faktiske kodelinjen. Vi kaller metoden Print () for å vise meldingen som forteller brukeren at vi skal implementere amax () -funksjonen. Deretter skriver vi det tilfeldige.frø () funksjon slik at inngangsarrayen inneholder de samme heltallelementene igjen og igjen. Deretter kaller vi Randint () -funksjonen for å lage den 1-dimensjonale matrisen og få de tilfeldige heltallene i inngangsarrayen. Og så passerer vi parametrene i funksjonen.

Den første parameteren er størrelsen på matrisen som vi opprettet. Den andre parameteren er lav som betyr hvor du skal starte matrisen. Og den tredje er høy som betyr hvor du skal avslutte matrisen. Deretter skriver vi ut matrisen ved hjelp av setningen ().

Etter å ha opprettet matrisen, bruker vi AMAX () -funksjonen på den for å få det maksimale elementet fra matrisen. Først bruker vi Numpy alias, NP. Deretter skriver vi funksjonsnavnet vi bruker, som er amax () -funksjon. Deretter passerer vi inngangsarrayen som vi ønsker å implementere amax () -funksjonen. Deretter kaller vi en trykte () uttalelse for å skrive ut det maksimale elementet som vi får gjennom AMAX () -funksjonen.

Her er utdataene vi får etter samlingen av det forrige programmet:

Eksempel 2:

La oss nå gjøre et annet eksempel på AMAX () -funksjonen som vi implementerte på den to-dimensjonale matrisen. Først importerer vi Numpy Library som vi bruker i dette programmet. Deretter kaller vi setningen () for å skrive ut meldingen relatert til programmet.

Etter dette lager vi den 2-dimensjonale matrisen ved hjelp av tilfeldig.valg () funksjon. I hovedsak brukes denne funksjonen til å lage et tilfeldig utvalg av heltallelementer mellom 0 til 10. Vi bruker også omformet () -funksjonen for å gi formen til den 2-dimensjonale matrisen ved å gi argumentene som forteller kompilatoren om hvor mange rader og kolonner i matrisen du må lage. Husk at vi bruker det tilfeldige.frø () funksjon slik at elementene i den 2-dimensjonale ikke kan endres når vi sammenstiller programmet igjen og igjen.

Importer numpy som NP
Print ("Implementering av Amax () -funksjon: \ n")
np.tilfeldig.frø (10)
arr = np.tilfeldig.valg (10, 9).omforming ((3,3)))
Print ("Inngangen 2D -matrisen er: \ n", ARR)
max_element = np.amax (arr, akse = 0)
print ("\ n det maksimale elementet i 2D er:", max_element)

Etter å ha opprettet 2D -matrisen, ønsker vi å bruke amax () -funksjonen på den. For dette kaller vi amax () -funksjonen og passerer argumentene i den. Det første argumentet er inngangsoppstillingen som vi opprettet tidligere. Det andre argumentet er aksen som betyr i hvilken retning vi ønsker å bruke amax () -funksjonen. Siden vi har gitt 0 -aksen, beregner amax () -funksjonen de maksimale elementene nedover. Og så lagrer vi hele funksjonen i en annen variabel som er max_element. Deretter skriver vi ut amax () -funksjonen ved å kalle metoden Print () og gi funksjonen inn i den.

La oss se utdataene fra den tidligere nevnte koden:

Konklusjon

I denne artikkelen lærte vi om Amax () -funksjon så vel som grunnlaget for maksimal () -funksjonen. Vi lærte hvordan vi implementerer amax () -funksjonen og hva er parametrene og returverdien til Amax () -funksjonen. Vi implementerte også flere eksempler på AMAX () -funksjonen med en detaljert forklaring av disse eksemplene.