Numpy cos

Numpy COS -funksjonen representerer den trigonometriske kosinusfunksjonen. Denne funksjonen beregner forholdet mellom lengden på basen (nærmeste side til vinkelen) og lengden på hypotenusen. Numpy COS finner den trigonometriske kosinus av matrisens elementer. Disse beregnede kosinusverdiene er alltid representert i radianene. Når vi snakker om matriser i Python -skriptet, må vi nevne “numpy”. Numpy er biblioteket som tilbys av Python-plattformen, og det tillater å jobbe med flerdimensjonale matriser og matriser. Videre fungerer dette biblioteket også med forskjellige matriseoperasjoner.

Fremgangsmåte

Metodene for implementering av Numpy COS -funksjonen vil bli diskutert og vist i denne artikkelen. Denne artikkelen vil gi en kort bakgrunn om historien til Numpy COS -funksjonen og deretter utdype syntaksen angående denne funksjonen med forskjellige eksempler implementert i Python -skriptet.

Syntaks

$ numpy. Cos (x, out) = ingen)

Vi har nevnt syntaks for den numpy COS -funksjonen på Python -språket. Funksjonen har to parametere totalt, og de er “x” og “out”. x er matrisen som har alle elementene i radianer, som er utvalget som vi vil gi til cos () -funksjonen for å finne kosinus av elementene. Følgende parameter er "ut", og den er valgfri. Enten du gir den eller ikke, kjører funksjonen fremdeles perfekt, men denne parameteren forteller hvor utdataene er plassert eller lagret. Dette var den grunnleggende syntaksen for numpy cos -funksjonen. Vi vil i denne artikkelen demonstrere hvordan vi kan bruke denne grunnleggende syntaksen og endre parameteren for våre krav i de kommende eksemplene.

Returverdi

Funksjonens avkastningsverdi vil være matrisen som har elementene, som vil være kosinusverdiene (i radianer) av elementene som er til stede tidligere i den opprinnelige matrisen.

Eksempel 1

Nå som vi alle er kjent med syntaksen og arbeidet med Numpy COS () -funksjonen, la oss prøve å implementere denne funksjonen i forskjellige scenarier. Vi vil først installere “Spyder” for Python, en åpen kildekode Python-kompilator. Deretter vil vi gjøre et nytt prosjekt i Python -skallet og lagre det på ønsket sted. Vi vil installere Python -pakken gjennom terminalvinduet ved å bruke de spesifikke kommandoene for å bruke alle funksjonene i Python for vårt eksempel. Når vi gjør det, har vi allerede installert “Numpy”, og nå vil vi importere denne modulen med navnet “NP” for å erklære matrisen og for å implementere Numpy COS () -funksjonen.

Etter å ha fulgt denne prosedyren, er prosjektet vårt klart til å skrive programmet om det. Vi begynner å skrive programmet ved å erklære matrisen. Denne matrisen ville være 1-dimensjonal. Elementene i matrisen ville være i radianer, så vi vil bruke Numpy -modulen som “NP” for å tilordne elementene til denne matrisen som “NP. Array ([NP. pi /3, np. PI/4, NP. pi]) ”. Ved hjelp av COS () -funksjonen finner vi kosinjen til denne matrisen slik at vi kaller funksjonen “NP. cos (array_name, out = new_array).

I denne funksjonen, erstatt array_name med navnet på den matrisen som vi har erklært og spesifiser hvor vi ønsker å lagre resultatene fra COS () -funksjonen. Kodebiten for dette programmet er gitt i følgende figur, som kan kopieres til Python -kompilatoren og kjøres for å se utdataene:

#import den numpy modulen
Importer numpy som NP
#Declaring the Array
Array = [NP.pi / 3, np.PI / 4, NP.pi]
#Display den originale matrisen
Print ("Input Array:", Array)
#Applysing cos -funksjon
cosine_out = np.cos (matrise)
#display oppdatert matrise
print ("cosine_values:", cosine_out)

Programutgangen vi skrev med tanke på matrisen i det første eksemplet ble vist som kosinus for alle matriseelementene. Kosinusverdiene til elementene var i radianene. For å forstå radianen, kan vi bruke følgende formel:

2 *PI -radianer = 360 grader

Eksempel 2

La oss undersøke hvordan vi kan bruke den innebygde funksjonen COS () for å få kosinusverdiene for antall jevnt distribuerte elementer i en matrise. For å starte eksemplet, husk å installere bibliotekpakken for matriser og matriser, i.e., “Numpy”. Etter å ha opprettet et nytt prosjekt, vil vi importere modulen Numpy. Vi kan enten importere Numpy som det er, eller vi kan gi det et navn, men den mer praktiske måten å bruke Numpy i programmet er å importere det med noe navn eller prefikset slik at vi vil gi det navnet “NP”. Etter dette trinnet vil vi begynne å skrive programmet for det andre eksemplet. I dette eksemplet vil vi erklære matrisen for å beregne sin COS () -funksjon med en litt annen metode. Tidligere nevnte vi at vi tar kosinus av de jevnt distribuerte elementene, så for denne jevn fordelingen av elementene i matrisen, vil vi kalle metoden “Linspace” som “NP. Linspace (start, stopp, trinn) ”. Denne typen array -deklarasjonsfunksjon tar tre parametere: først "start" -verdien fra hvilke verdier vi ønsker å starte elementene i matrisen; "Stopp" definerer rekkevidden til der vi ønsker å avslutte elementene; Og sist er "trinnet", som definerer trinnene som elementene blir fordelt jevnt fra startverdi til å stoppe verdien.

Vi vil passere denne funksjonen og verdiene til dens parametere som “NP. Linspace (- (NP. pi), np. pi, 20) ”og vil lagre resultatene fra denne funksjonen i variabel“ Array ”. Deretter passerer dette til parameteren til kosinusfunksjonen som “NP. cos (matrise) ”og skriv ut resultatene for å vise utdata.

Utgangen og koden for programmet er gitt nedenfor:

#import den numpy modulen
Importer numpy som NP
#Declaring the Array
Array = NP.Linspace (-(NP.pi), np.pi, 20)
#Applying cos () -funksjonen på Array
utgang = np.cos (matrise)
#display -utgang
print ("jevnt distribuert matrise:", matrise)
print ("out_array fra cos func:", output)

Konklusjon

Beskrivelsen og implementeringen av Numpy COS () -funksjonen er vist i denne artikkelen. Vi har dekket de to hovedeksemplene: matriser med elementer (i radianer) som ble initialisert og jevnt fordelt ved bruk av Linspace -funksjonen for å beregne deres kosinusverdier.