Numpy gjentatt matrise

“Numpy (Numerical Python) er et avansert open source-bibliotek av Python. Den består av flerdimensjonale matriseobjekter. Numpy brukes til å utføre logiske og matematiske operasjoner. La oss nå diskutere numpy matriser for å forstå den numpy repetisjonsfunksjonen (). Først må vi forstå det grunnleggende om numpy matriser.

Numpy -matrisen brukes til å lage et "N" antall av matrisen som hjelper til med å lagre og manipulere de numeriske dataene. Den numpy matrisen kan være en 1-dimensjonal, 2-dimensjonal, tredimensjonal eller opp til n-dimensjonal matrise. Numpy -matriser har også akser.”

Introduksjon

Etter en rask gjennomgang av Numpy og det grunnleggende om Numpy Array, la oss nå gå videre til hovedtemaet i denne artikkelen som er Numpy Repeat () -funksjonen. Numpy Repeat () -funksjonen brukes til å gjenta elementene i matrisen. I den numpy repetisjonsfunksjonen flater den ut utgangen i den 1-dimensjonale matrisen som standard. For å forstå tydeligere om dette konseptet, la oss ta et eksempel. La oss anta at vi har en 2-dimensjonal matrise:

Som du ser ovenfor, er utgangen fra matrisen 1-dimensjonal. For å endre oppførselen til utgangen, må du først forstå syntaksen til den numpy repetisjonsfunksjonen () -funksjonen.

Syntaks

Her er syntaksen til numpy repetisjon (). I syntaksen, “Numpy.gjenta ”er funksjonsnavnet vi vil utføre.

I den numpy repetisjonsfunksjonen passerte vi tre parametere som er:

arr: er inngangsarrayen du vil operere på.

gjentar seg: hvor mange ganger du vil gjenta hvert element i matrisen.

akser: aksene som skal gjenta verdiene.

Eksempel 01: gjentar et enkelt tall

La oss begynne med det enkleste og første eksemplet på gjentakelse. I dette eksemplet gjentar vi bare et enkelt element for å vise hvordan repetisjonsfunksjonen fungerer i Numpy. Importere Numpy -pakken er det første trinnet mot å implementere dette. Deretter brukte vi Print () -metoden for å vise strengen “Single Element Is 10”. Som du ser, er dette bare en melding for å fjerne brukerens sinn om at vi skal skrive ut et enkelt element som er 10.

Så ringer vi NP.Gjenta () Funksjon. Spørsmålet: Hvorfor bruker vi “NP” med repetisjonsfunksjonen ()? For på linje 1 importerer vi numpy som NP betyr å fortelle Python å gi numpy aliaset til NP. Å gjøre dette lar deg bruke NP.funksjon_navn i stedet for numpy.funksjonsnavn.

Etter å ha skrevet NP.gjenta () -funksjon, inne i funksjonen, har vi passert tre parametere i den. Den første parameteren, "a," har et "10" element i det. "A" er inngangsoppstillingen som vi ønsker å operere. Den andre parameteren, "gjentar". Og 3^Rd Parameter, "Axis", er "0", som betyr at matrisen er 1-dimensjonal.

Importer numpy som NP
Print ("Det eneste elementet er: 10")
element = np.Gjenta (a = 10, gjentar = 4, akse = 0)
trykk ("Nå er den nye matrisen:", element)

Etter å ha skrevet hele repetisjonsfunksjonen, har vi nå lagret denne funksjonen i en variabel kalt “element”. Dette er bare fordi hvis vi vil kalle denne funksjonen, må vi skrive hele denne funksjonen igjen. Det er grunnen til at vi lagret denne funksjonen i en variabel, slik at når vi vil kalle denne funksjonen, bare bruk variabelen "element". Og så bruker vi Print () -metoden for å vise matrisen med en melding som viser “Nå er den nye matrisen [10 10 10 10]”.

Her ser du utgangen i skallet der vi har et enkelt element 10 som konverteres til en rekke lengde 4 som inneholder gjentatt element 10.

Eksempel 02

La oss nå gå videre til et lite komplisert eksempel der vi gjentar flere forskjellige elementer i en 1-dimensjonal matrise. Som du ser, er dette eksemplet det samme som det ovennevnte eksempel 1, men i dette eksemplet har den 1-dimensjonale matrisen flere elementer.

La oss begynne med våre 2^nd eksempel; Først importerer vi Numpy som alias NP. Deretter kalte vi en utskrift () -metode der vi viste meldingen “Rekken av flere elementer er: [5, 10, 15, 20]”. I den neste kodelinjen må vi kalle en repetisjon () -funksjon, men denne gangen kalte vi en repetisjon () -funksjon uten parametere.

I denne funksjonen har vi en rekke flere elementer som er [5, 10, 15, 20], så har vi et annet element som viser hvor mange ganger hvert element i matrisen vil gjenta. Som du ser, har vi ikke gitt aksen denne gangen fordi som standard er aksen til repetisjonsfunksjonen 1-dimensjonal. Til slutt har vi kalt Print () -metoden for å vise utgangen fra repetisjonsfunksjonen med en meningsfull melding.

Importer numpy som NP
Print ("1-D-arrayen som har flere elementer er: [5, 10, 15, 20]")
Array_1d = np.Gjenta ([5, 10, 15, 20], 4)
trykk ("Nå er den nye formede matrisen:", array_1d)

Her er utgangen fra den ovennevnte illustrasjonen. I skallet, skjønner du, har vi en rekke flere elementer [5, 10, 15, 20]. Og så har vi et nyopprettet utvalg der hvert element gjentas 4 ganger.

Eksempel 03: Flere elementer i en 2-dimensjonal matrise

La oss nå gå videre til det kompliserte eksemplet der vi har implementert en 2-dimensjonal matrise.

Hvor akse = 0

Dette scenariet ligner på det vi brukte tidligere, men nå har vi en 2D -matrise med Axis = 0. La oss begynne å implementere våre 3^Rd eksempel. Først har vi en variabel som heter “ARR”. I ARR lagres en 2D -matrise. Så er det en melding vi viser slik at brukeren kan forstå hva vi gjør i dette eksemplet.

Så ringer vi en NP.Gjenta () Funksjon med tre parametere “A, gjentar, akse”. I “A” er det en 2D -matrise lagret, som ble erklært over “ARR” så bruker vi “Repeats”, som viser hvor mange ganger hvert element i en matrise vil bli gjentatt, og sist har vi en “Axis” som viser hvilken retning matrisen skal vises.

Som du ser, har vi en verdi av en "akse" er 0, noe som betyr at repetisjonen av elementene i matrisen vil være i en nedadgående retning. Og så bruker vi print () -metoden for å vise utgangen.

Importer numpy som NP
Arr = [[10,11], [20,21]]
Print ("2-D-arrayen som har flere elementer er:", ARR)
Array_2d = np.Gjenta (a = arr, gjentar = 2, akse = 0)
trykk ("Nå er den nye formede matrisen: \ n", array_2d)

Nå her er utgangen fra det ovennevnte eksemplet:

Hvor akse = 1

Dette eksemplet er det samme som eksemplet ovenfor; Den eneste forskjellen er verdien av "aksen", som er 1 som viser retningen på repetisjonen til hvert element i matrisen vil være horisontalt over raden.

Importer numpy som NP
Arr = [[10,11], [20,21]]
Print ("2-D-arrayen som har flere elementer er:", ARR)
Array_2d = np.Gjenta (a = arr, gjentar = 2, akse = 1)
trykk ("Nå er den nye formede matrisen: \ n", array_2d)

Her vises utgangen i skallet:

Konklusjon

I denne artikkelen har vi en rask gjennomgang av Numpy; Så lærer vi det grunnleggende om numpy matrise, så lærer vi hovedemnet vårt, som er numpy repetisjon (). Vi har lært om hva Numpy Repeat () -funksjonen er og hva syntaks og parametere for den numpy repetisjonen () er. Så implementerte vi noen eksempler med forskjellig logikk slik at intet punkt av et problem skulle forbli. Jeg håper inderlig at denne artikkelen kan være nyttig for programmererne å fortsette å lære om Advanced Library of Python Numpy.