Numpy forskjell mellom to matriser
Enkelt sagt utfører funksjonen en elementmessig subtraksjon mellom to inngangsarrays.
La oss utforske.
Funksjonssyntaks
Funksjonssyntaksen er som vist i kodebiten nedenfor:
numpy.Trekk (x1, x2, /, out = ingen, *, hvor = true, casting = 'same_kind', order = 'k', dtype = ingen, subok = true [, signatur, extobj]) =Essensiell funksjonsparameter
Funksjonen godtar forskjellige parametere, som vist i syntaks ovenfor. Følgende er imidlertid de essensielle:
- X1 og X2 - Se matriser eller array_lignende objekter hvis forskjell må beregnes.
- OUT - Output -matriser for å lagre den resulterende verdien.
- hvor - spesifiserer tilstanden som sendes over inngangen.
- Kwargs - Andre argumenter for bare nøkkelord. Sjekk dokumentene.
Funksjonsretur
Funksjonen vil deretter returnere den elementsmessige forskjellen på inngangsarrayene. Hvis begge inngangsverdiene er skalarer, vil funksjonen også returnere en skalarverdi.
Eksempel 1
Koden nedenfor viser hvordan du bruker Numpy SubleTract () -funksjonen med to skalarverdier.
# Importer numpyImporter numpy som NP
Print (F "Forskjell: NP.Trekk (10,4) ")
Koden over skal returnere skalarforskjellen som vist i utgangen nedenfor:
Forskjell: 6Eksempel nr. 2
I eksemplet nedenfor bruker vi trekk () -funksjonen med 2D -matriser som vist:
x1 = np.Array ([[10,20,30], [40,50,60]])x2 = np.Array ([[1,2,3], [4,5,6]])
Print (F "Forskjell: \ n NP.Trekk (x1, x2) ")
Koden over returnerer den elementsmessige forskjellen mellom de to matriser som vist:
forskjell:[[9 18 27]
[36 45 54]]
Eksempel nr. 3
Du kan også erstatte trekkfunksjonen med - operatøren. Et eksempel er som demonstrert nedenfor:
x1 = np.Array ([[10,20,30], [40,50,60]])x2 = np.Array ([[1,2,3], [4,5,6]])
Print (F "Forskjell: \ n x1 - x2")
Den resulterende utgangen ligner på å bruke trekkfunksjonen som:
forskjell:[[9 18 27]
[36 45 54]]
Konklusjon
Denne artikkelen undersøkte hvordan du kan bestemme den elementsmessige forskjellen mellom to matriser ved bruk av Numpy SubleTract () -funksjonen.
Takk for at du leser og lykkelig koding!!