Numpy gjentatt metode

Python Numpy -modulen kombinerer flere funksjoner for å effektivt utføre forskjellige matematiske operasjoner. Dermed kan det sies at Numpy -modulen er et verktøy som alle programmerere kan bruke til å utføre alle matematiske operasjoner og andre vanskelige beregninger. La oss undersøke og bruke noen av de viktigste numpy modulens funksjoner akkurat nå. En av dem er repetisjonsmetoden () metoden. Repeat () -funksjonens syntaks og parametere vil bli dekket i detalj i denne artikkelen, sammen med eksempler som viser hvordan du gjentar visse komponenter i den gitte matrisen. Også inkludert er en introduksjon til repetisjonsfunksjonen (). For å gjøre alt lettere å forstå, brukes eksempler i forklaringen.

Numpy repetisjon () funksjon

Numpy -modulen brukes av programmerere til å jobbe med matriser. Denne modulen med Python tilbyr en metode som gjør det mulig å vise en rekke gjentatte elementer i en matrise. Dette gjøres ved å bruke Numpy.Gjenta () Metode tilgjengelig i Pythons Numpy Library. Repeat () -funksjonen brukes til å sende ut en rekke det gjentatte elementet i et tilfelle når antall repetisjoner er spesifisert før i koden.

Det gjentatte elementgruppen sammen med ønsket akse, for eksempel akseverdier på 0 og 1 i en endimensjonal matrise, eller akseverdi på 0 bare i en en-dimensjonal matrise, kan også returneres eller vises ved hjelp av denne funksjonen. Så mens vi tenker på å bruke repetisjonsfunksjonen for å manipulere numpy matriser, vil vi oppfatte akser som en valgfri parameter som også er betydelig.

Syntaks av repetisjon () metode

Numpy.gjenta () -funksjonen har en rimelig enkel syntaks. Syntaksen er vist nedenfor.

Vanligvis vil du starte med å ringe metoden NP.gjenta(). Funksjonen har da en samling av parametere som du kan bruke til å definere funksjonens spesifikke arbeid. La oss se på parametrene en etter en fordi de er viktige.

Du kan definere matrisen som vil være inngangen til NP.Gjenta ved hjelp av “A” -alternativet. Husk at "A" -parameteren er nødvendig for å inkludere. Dette innebærer at du må gi funksjonen en form for inngang. Du kan indikere hvor mange ganger elementene i inngangsarrayen skal gjentas ved hjelp av "repetisjon" -argumentet. Dette er en annen nødvendig parameter. Til slutt kan du velge aksen som du vil gjenta elementene ved å bruke "Axis" -argumentet.

En numpy matrise er resultatet av numpy.Gjenta operasjonen. Husk at hvordan vi bruker NP.Gjenta () -funksjonen vil bestemme størrelsen og den nøyaktige formen på resultatet.

La oss nå se på noen eksempler for å hjelpe deg med å forstå hvordan du implementerer repetisjonsmetoden i programmene dine riktig.

Eksempel 1

Denne artikkelens første eksempel vil demonstrere hvordan du gjentar et enkelt heltall. Vi bruker NP.gjenta () funksjon for å oppnå dette. Vi vil gi verdien vi ønsker å gjenta inne i parentesen med "A = parameter" og antall repetisjoner med "repetisjoner = parameter". Tallet “9” vil i det vesentlige gjentas fem ganger. Her er koden:

Vi har importert Numpy -modulen som NP. Etter det utføres repetisjonsmetoden () hvor vi har spesifisert “A” og “repetisjoner” -parametere. Endelig vises resultatet.

Importer numpy som NP
arr = np.Gjenta (a = 9, gjentar = 5)
trykk (ARR)

Koden produserer følgende utgang:

Dette er ganske enkelt å forstå. Med "A" -alternativet spesifiserer vi at vi gjentar nummeret "9" og med "repetisjon" -parameteren, spesifiserer vi at vi gjentar det fem ganger.

La oss omskrive den nevnte koden, unntatt eventuelle eksplisitte referanser til parameternavnene. Mange Python -programmerere inkluderer ikke parameternavn i koden sin for å forenkle prosessen. La oss utføre koden uten parameternavn, slik at du kan se den. Vi vil bare gi funksjonens argumenter etter stilling.

Importer numpy som NP
arr = np.Gjenta (9,5)
trykk (ARR)

Utgangen nedenfor er den samme som ovennevnte. De virkelige parametrene er eliminert, noe som er den eneste forskjellen. Python er klar over at elementet på andreplass, som er et argument, refererer til parameteren "gjentar" og at elementet i den første posisjonen gjelder "A" -parameteren.

Eksempel 2

Vi vil nå gå videre til et eksempel som er litt mer utfordrende. Vi kommer til å gjenta et tall i multipler i motsetning til bare ett. Bortsett fra en liten endring av koden vår, er dette eksemplet i det vesentlige identisk med det foregående eksemplet.

Vi kommer til å gi “A” -parameteren en liste over tall. La oss undersøke koden nå. Sifrene 9 og 3 vil bli gjentatt 5 ganger her. Koden A = [9,3] brukes til å identifisere de to tallene som vil bli gjentatt. Parameteren "gjentar = 5", angir derfor at disse tallene vil bli gjentatt fem ganger.

Importer numpy
arr = numpy.Gjenta (a = [9,3], gjentar = 5)
trykk (ARR)

Her er resultatet.

Legg merke til hva som skjedde i dette tilfellet. Tallene vi skrev inn, 9 og 3, gjentas fem ganger. Observer også hvordan tallene gjentas. Det første tallet gjentas fem ganger, etterfulgt av det andre tallet som gjentas fem ganger. Resultatet er en numpy matrise, men det er en 1-dimensjonal matrise.

Eksempel 3

I dette eksemplet vil inngangen til numpy repetisjon () være en 2-dimensjonal matrise. La oss starte med å lage et numpy matrise. Her skal vi lage en 2-dimensjonal rekke fire tall ved hjelp av Numpy Array-funksjonen. Den resulterende numpy matrisen er egentlig en matrise med to rader og to kolonner. Arrayens elementer vil nå bli gjentatt ved hjelp av NP.gjenta. Her er prøvekoden:

Importer numpy
arr_2d = numpy.Array ([[3,5], [4,8]])
repeat_arr = numpy.Gjenta (a = arr_2d, gjentar = 5)
print (repeat_arr)

Funksjonens inngang er matrisen “Arr_2d”. Alternativet "repetisjon" brukes til å indikere at vi vil gjenta hvert inngangselement fem ganger.

NP.Array-funksjonen kopierer ganske enkelt hvert unike inngangselement til en 1-dimensjonal utgangsarray etter å ha gjentatt den fem ganger under utførelsen. Se utgangen nedenfor:

Konklusjon

For å oppsummere informasjonen som er gitt i denne artikkelen, brukes repetisjonsfunksjonen () i Numpy -modulen til å vise en matrise med de spesifiserte gjentatte oppføringene. I tillegg til å erklære inngangsarray. Ved bruk av repetisjonsfunksjonen ble også forskjellige eksempler demonstrert i denne artikkelen.