Numpy Amin -metode

Numpy Amin -metode

Numpy er en interaktiv Python -pakke som refererer til “Numeric Python”. Det brukes i håndteringen av tilfeldige tall. Numpy har grunnleggende, matematiske, streng og statistiske funksjoner.

Numpy Amin () -funksjonen er en av de statistiske funksjonene til Numpy. Det brukes til å returnere minimumsverdien for den numpy matrisen eller den minste verdien langs aksen (radmessig eller kolonnemessig) når det er nødvendig. I denne guiden vil vi diskutere å finne det minste elementet i en numpy matrise ved hjelp av Amin () -metoden.

Syntaks

Følgende syntaks brukes til å implementere Numpy Amin () -metoden:

Numpy.Amin (arr, Axis, Out, KeepDims =< >, Initial =< >)

Argumenter

Følgende fire valgfrie og ikke-alternative parametere brukes:

Arr = Dette argumentet indikerer en numpy matrise eller inndata som skal brukes.

Akser = Dette argumentet indikerer at en akse betyr rad og kolonne som min verdi må beregnes.

Ute = Dette argumentet indikerer en alternativ rekke der resultatene lagres eller plasseres. Det er en valgfri parameter.

Keepdims = Hvis verdien av dette argumentet er satt til sant, blir den reduserte aksen igjen som dimensjoner med størrelse en.

Første = Dette argumentet indikerer den høyeste eller maksimale verdien av Numpy -matrisen. Det er en skalær og valgfri parameter.

Returverdier

Amin () -funksjonen returnerer to typer minimumsverdier:

    1. Skalar: når aksen ikke er
    2. Utvalget av NDIM-1: Når aksen er gitt

Fordeler med numpy matrise

Følgende er fordelene:

    • En numpy matrise bruker mindre minneplass.
    • Den brukes til å lage n-dimensjonsarrays.
    • Gir bedre runtime -hastighet i Python.
    • Numpy matriser brukes til å løse lineære ligninger.
    • Det støtter multiplikasjons- og tilleggsoperasjoner.
    • Det brukes til dataanalyse.

Ulemper med numpy matrise

    • Innføring og sletting av sletting blir dyrt på grunn av data som er lagret på et sammenhengende sted.

Eksempel nr. 1

Finn minimumsverdien og minimumsaksen til matrisen.


I første omgang vil vi få matrisens minimumsverdi og minimumsraden i matrisen. Først har vi importert Numpy Library of Python som NP. Uten å importere vil ikke koden utføres. Så har vi tildelt “ARR” tilfeldige verdier I-E [26, 27, 28] & [55, 56, 57] i henhold til syntaks. Etter det trykket vi den gitte matrisen “ARR” for å vise utdataene. Print () -funksjonen brukes til å vise utgangen. Så trykt, er minimumsverdien fra matrisen ved å ringe NP.Amin ((ARR)) funksjon. Til slutt trykket vi minimumsverdien mellom Axis Row-Wise ved å ringe NP.Amin (arr, 0) funksjon. Her passerer vi 0 som parameter for Amin () -funksjonen.

Her er utdataene fra det forrige programmet vi sitter igjen med minimumsverdier og minimumsrader.


I dette utfallet har vi en minimumsverdi på 26, og minimumsraden i matrisen er [26, 27, 28].

Eksempel nr. 2

Bestem den minste verdien av den endimensjonale matrisen.


For å avklare flere konsepter om NP Amin () -metoden, er her et annet eksempel der vi har implementert et program for å finne minimumsverdien for den endimensjonale matrisen. Importering av Numpy Library of Python er hovedtrinnet. I den andre uttalelsen, initialiser matrisen ved å passere tilfeldige tall ved å ringe NP.Array () -funksjon. Vi har gitt elementer [17, 18, 19] til matrisen for å finne sin minsteverdi. I den tredje uttalelsen initialiserte vi “min_ele”, som representerer minimumselementet.

Videre påkaller vi NP.Amin (Array) -metode, som gir oss et minimum element i matrisen. I den fjerde uttalelsen viser setningen () uttalelsen Array's Values. Til slutt viser utskriftserklæringen det minste elementet i den definerte matrisen. “Min_ele” gir minimumsverdien i utfallet.

Her er resultatet av det tidligere utførte programmet:


I resultatet av den fjerde uttalelsen får vi [17 18 19], som er den definerte matrisen. Tilsvarende får vi i resultatet av den femte uttalelsen minimumsverdien for den gitte matrisen, som er 17.

Eksempel nr. 3

Anskaffe minimumsverdiene i en flerdimensjonal matrise.


I dette tilfellet ville vi implementere NP.Amin () -funksjon for å få minimumsverdiene for den flerdimensjonale matrisen. Flerdimensjonal matrise betyr matriser med forskjellige dimensjoner eller former, for eksempel 6*3, 5*3.

I det første trinnet importerte vi Python -biblioteket numpy som NP, noe som er obligatorisk å nevne. Tildel deretter variabelen “ARR” til forskjellige matriser med tilfeldige elementer ved hjelp av NP.Array () Funksjon I-E ([(21, 3, 36), (42, 7, 48), (81, 48, 30), (61, 67, 98)]). I neste uttalelse representerer PRINT (ARR) -funksjonen de spesifiserte elementene i hver matrise. Utskrift () -uttalelsen blir kalt for å vise matrisen/størrelsen på matrisen, som representerer størrelsen på kolonner og rader for hver matrise. Dette gjøres ved å ringe NP.Form (ARR) -funksjon. Utskriftserklæringen brukes igjen for å vise minimumsverdien fra hele matrisen ved å ringe NP.Amin ((ARR)) metode. I neste uttalelse initialiseres “M” som en variabel ved å sende den til NP.Amin (ARR, Axis = 1) Funksjon. Vi har bestått argumenter “ARR” og Axis “1”, som inneholder minimumsverdien for hver rad. Deretter vises utgangen ved å bruke en utskriftsuttalelse. Dessuten initialiseres “n” som en variabel. I det andre tilfellet har vi gitt “ARR” og Axis “0” som funksjonens argumenter, som inneholder minimumsverdien for hver kolonne ved å ringe Amin (ARR, Axis = 0) Funksjon og skrive ut utgangen ved hjelp av utskriften () Metode.


Resultatet av implementert kode er gitt der vi har elementene i en nødvendig flerdimensjonal matrise, matrisen til matrisen og minimumsverdien til matrisen.

Konklusjon

I denne artikkelen har vi snakket om Numpy.Amin () -funksjonen og syntaks, parametere og returverdier som har lært oss hvordan vi implementerer Python Numpy -programmene ved å bruke denne funksjonen. Vi har også dekket fordeler og ulemper, der vi lærer om omfanget av Numpy og dens funksjoner. Vi utførte forskjellige programmer for å se funksjonaliteten til NP.Amin () -metode og hvordan den brukes i Python. I tillegg har vi oppnådd den minste verdien av den endimensjonale matrisen og flerdimensjonal matrisen ved å bruke Amin () -metoden.