Numpy Logspace

Numpy er en av de hyppigste bibliotekpakkene vi bruker til matematiske operasjoner, e.g., Lineær algebra, matriseoperasjoner osv. Dette biblioteket gir støtte for flerdimensjonale matriser, vektorer og matriser. Den har også en innebygd funksjon som kan brukes på matriser for forskjellige matriser og array-operasjoner. Dette biblioteket er levert av “Python”. Python er det ofte brukte programmeringsspråket som tilbyr lettfattelige skript- og statistiske dataanalysefunksjoner. Numpy Logspace er en av de innebygde funksjonene fra modulen “Numpy” av Python. Denne funksjonen skaper strømmen av det jevnt distribuerte nummeret på loggskalaen.

Fremgangsmåte

Vi vil først lære om bakgrunnen og anvendelsen av denne funksjonen, i.e., Numpy Logspace. Deretter vil vi gradvis bygge opp vår kunnskap om denne funksjonens syntaks- og erklæringsmetode ved praktisk talt å skrive programmene for denne funksjonen i Python -skriptet.

Syntaks

Syntaksen som er gitt for denne funksjonen på Python -språket er gitt som følger:

numpy. Logspace (start, stopp, num = 50, endepunkt = true, base = 10.0, dtype = ingen)

Det kan sees fra den tidligere nevnte metoden for denne funksjonen at denne funksjonen tar nok verdier som inngangsparametere. Vi vil forklare disse parametrene individuelt i artikkelen.

De to første parametrene er "start" og "stopp". Disse to parametrene definerer rekkevidden som i starten og slutten av området der vi ønsker at tallet skal eksistere på loggskalaen. "Num" i funksjonen representerer antall elementer vi ønsker på loggskalaen. "Sluttpunktet" er den valgfrie parameteren i funksjonen, og standardverdien er "sann". Hvis dette er "sant", må den siste prøven avsluttes med den spesifiserte stoppparameteren i funksjonen. "Basen" er logens base som er satt til å verdsette "10". Den siste parameteren er "dtype". Dette er datatypen til elementene som vil bli generert ved ensartet separasjon på logskalaen.

Eksempel 1

Etter å ha diskutert funksjonens parametere, la oss starte praktisk talt implementere den med alle parametere og lage en matrise med elementene med den ensartede separasjonen på logskalaen med base 10. Lag et prosjekt for dette eksemplet i "Spyder" -appen, et kjent open source-miljø støttet av Python. For å forberede Python Shell til å kjøre og skrive et Python -program, må vi installere de nedlastede bibliotekpakkene med Python -oppsettet. Fra disse installerte pakkene vil vi importere modulen Numpy som "PY". Dette vil være erstatning for navnet på Numpy i programmet.

Nå, erklærer en variabel med et navn, e.g., “Log_array”. Til denne variabelen, tilordne verdiene fra kallet til “PY. Logspace (start, stopp, num, endepunkt, base) ”. Tilordne verdien til parameteren til funksjonen som 'start = 3.0 ',' Stopp = 5.0 ',' num = 6 ',' endepunkt 'skal ha sin standardverdi for funksjonen, i.e., "True" og "basen" vil også ha standardverdien lik "10". Når alle disse verdiene er spesifisert i parametrene til loggromsfunksjonen, vil den generere en matrise og vise at matrisen på vindusskjermen passerer dette til parameteren til print () -funksjonen. Koden for dette eksemplet kan enkelt implementeres i Python -skriptet. Det er nevnt nedenfor:

Vi kopierer koden ovenfor for å analysere utdataene og deretter utføre den i kompilatoren. Utgangen vil resultere i at den endimensjonale matrisen har de seks tallelementene med datatypen 'Float' som vil bli skilt jevnt på loggskalaen. Datatypen for matriseelementene er float fordi vi ikke definerte datatypen i funksjonsparameteren, så den ble satt til standardverdien, "Float". Vi kan endre datatypen til matriseelementene ved å legge til datatypen som en parameter i funksjonen og kan spesifisere den til hvilken som helst datatype, la oss si "int". Matrisen ville ha elementer med datatypen heltall i så fall.

Eksempel 2

Vi kan også bruke denne logspace -funksjonen for å plotte grafen til elementene som genereres på loggskalaen. Først ville vi importere de to bibliotekene henholdsvis “Numpy” og “Pylab”. Numpy for å jobbe med matriser og logger tempofunksjon og pylab for grafen som plottet for å visualisere matrisen som følge av loggplassen. Vi har importert Numpy som "PN" og Pylab som "PLT". Vi vil bruke disse prefiksene i stedet for navnet på modulene i koden.

Her vil vi planlegge grafene, så vi er pålagt å definere aksen til grafen som "x1" og "y". Vi vil definere “x1” ved å tilordne verdiene fra funksjonen “PN. Logspace (0, 3, 10) ”. X1 vil ha matrisen med ti elementer som starter fra null og slutter på 3 på loggskalaen. Så vil vi definere y ved å tilordne det funksjonen “NP. Zeros (10) ”. Denne funksjonen vil generere en rekke 10 elementer, som alle har verdier som er lik null, og dette vil bli tilordnet "y". Nå vil vi plotte verdiene til X1 og Y ved å kalle metoden “PLT. plot (x1, y+0.3, 'o') ”, som sier at for alle verdiene til x1 vil“ y ”ha verdien 0.3. For sammenligningen kan vi også introdusere en annen variabel, “x2”, og tilordne den samme verdi som x1 som “PN. Logspace (0, 3, 10) ”. Imidlertid vil vi plotte verdien med Y som “P. plot (x1, y, 'o') ”, som betyr at for alle verdiene til x2 vil“ y ”være null. Bruke PLT.vis (), vi kan vise grafene og analysere resultatene. Følgende er koden og utgangen for dette eksemplet:

Importer numpy som PN
Importer Pyplot som PLT
x1 = pn.Logspace (0, 3, 10, endepunkt = true)
x2 = PN.Logspace (0, 3, 10, endepunkt = true)
x = pn.Zeros (10)
plt.plot (x1, y, 'o')
plt.plot (x2, y + 0.3, 'o')
plt.ylim ([-0.4, 2])
plt.forestilling()

Konklusjon

Denne artikkelen har vist og diskutert arbeidsmetodikken for logspace -funksjonen. Kompilatoren som brukes til implantasjon av denne artikkelen er “Spyder”. Vi har implementert to eksempler og vist også den grafiske representasjonen av denne funksjonen.