Numpy fliser

Python er et brukervennlig så vel som nybegynnervennlig programmeringsspråk på høyt nivå. Det gir en rekke funksjoner for utviklerne. I tillegg lar mange innebygde funksjoner og metoder brukere å designe og utvikle enkel og lettfattelig kode. Python -bibliotekene er veldig enkle og gir mange funksjoner som hjelper brukeren til å utvikle koden.

Et av Python -bibliotekene gir en Numpy Tile -funksjon for å jobbe med matriser. Denne artikkelen dekker detaljene om hvordan Numpy Tile fungerer og hva den gjør. Vi vil gi en rask gjennomgang av Numpy Tile og kort forklare syntaks, og til slutt gi noen eksempler for å hjelpe deg med å forstå funksjonen til Numpy Tile enkelt.

Hva er Numpy Tile?

Før vi diskuterer Numpy Tile, la oss først diskutere Numpy er et Python -bibliotek og en grunnleggende pakke som tilbyr lineære algebra -rutiner, tilfeldige tallgeneratorer, omfattende matematiske funksjoner, Fourier -transformasjon, vitenskapelig databehandling, datamanipulering og mange flere funksjoner.

I tillegg gir Numpy -biblioteket matriser som brukes til å lagre, organisere og manipulere tall. Mange numpy funksjoner brukes på matriser for å manipulere numpy matriser, og en av dem er Numpy Tile.

Numpy -flisen på Python -programmeringsspråket gir anlegget til å gjenta en matrise flere ganger, så mange ganger du vil.

Numpy Tile in Python er en funksjon som oppretter en ny matrise ved å gjenskape en input -matrise. Tenk på et flisegulv; Den samme flisen gjentas flere ganger for å dekke hele gulvet. Numpy Tile -funksjon lar brukeren velge en matrise og gjenta den så mange ganger de vil.

La oss for eksempel si at vi har en matrise [1, 2, 3, 4], bruk Numpy Tile -funksjon som NP.fliser ([1, 2, 3, 4], 2), den dupliserer matrisen to ganger og returnerer en ny matrise.

Syntaks av numpy fliser

Numpy returnerer alltid matrisen selv om du gir den en liste. Etter å ha utført Numpy Tile -funksjonen, returneres en ny matrise. Syntaksen til den numpy flisen er som følger:

# NP.fliser (matrise, repetisjon)

'Arrayen' representerer inngangsoppstillingen som flisefunksjonen skal brukes. 'Repetisjonen' representerer antallet hvor mange ganger inngangsarrayen skal gjentas. La oss forstå dette med demonstrasjonen av eksempler.

Hvordan fungerer Numpy Tile -funksjonen i Python?

Funksjonen til den numpy flisen er veldig enkel. Først må du installere enhver Python -tolk på systemet ditt, for eksempel Spyder. Deretter installer Numpy ved hjelp av PIP -kommandoen; for eksempel, !Pip installer numpy. Når Numpy -biblioteket er installert, kan dets funksjoner og metoder enkelt integreres i Python -programmene.

Nedenfor har vi presentert noen få eksempler for å hjelpe deg med å forstå Numpy Tile -funksjonen bedre.

Eksempel 1:

I dette eksemplet bruker vi ganske enkelt en endimensjonal matrise og bruker Numpy Tile-funksjonen på den. Deretter importerer vi ganske enkelt en numpy funksjon som NP, så bruker vi en matrise som består av fire verdier og bruker deretter Numpy Tile -funksjonen på den.

Importer numpy som NP
Array = [1, 2, 3, 4]
Print ("The Array Is =", Array)
Rep = 3
print ("\ nrepeat the matrise 3 ganger =", np.fliser (matrise, rep))
Rep = 4
print ("\ nrepeating array 4 ganger =", np.fliser (matrise, rep))

Som du kan observere, presenterer den første utgangen de 3 repetisjonene fordi det gjentatte tallet er 3, mens den andre utgangen har den fire ganger repetisjonen fordi det medfølgende repetisjonsnummeret er 4. Her er utdataene fra koden gitt ovenfor.

Eksempel 2:

Her er et annet eksempel for å demonstrere funksjonen til Numpy Tile. I dette eksemplet importerer vi ganske enkelt Numpy som NP, og så bruker vi en matrise med 0 akserverdi. Etter det tildeler vi repetisjonsnummer 3 slik at matrisen gjentas 3 ganger.

Importer numpy som NP
Array = NP.Array ([0, 1, 2])
Print ("The Array Is =", Array)
x = np.fliser (matrise, 3)
print ("Arrayen etter å ha brukt flisefunksjon er =", x)

Her er utdataene fra ovennevnte kode:

Eksempel 3:

I dette eksemplet vil vi forklare at repetisjonen av inngangsarrayen kan være mer enn dimensjonene til inngangsarrayen. Så først vil vi importere Numpy -funksjonen som NP, så erklærer vi matrisen med 4 verdier og gir repetisjonsverdien mer enn dimensjonen til matrisen.

La oss se koden først, og så vil vi forklare den bedre. Her er koden:

Importer numpy som NP
Array = NP.Array ([0, 1, 2, 3])
Print ("The Array Is =", Array)
trykk ("Arrayen etter bruk av flisefunksjon er =")
x = np.fliser (matrise, reps = (3, 3))
trykk (x)

Som du kan observere, er repetisjonsverdien (3, 3), noe som betyr for det første gjentas arrayverdiene tre ganger, så blir den resulterende matrisen duplisert tre ganger. La oss se utgangen slik at vi kan visualisere resultatet og forstå det bedre.

Eksempel 4:

I forrige eksempel har vi vist at repetisjonsnummeret kan være større enn dimensjonen til inngangsarrayen. I dette eksemplet vil vi forklare at antallet repetisjoner kan være mindre enn dimensjonene til inngangsarrayen.

Her importerer vi ganske enkelt Numpy som NP og erklærer deretter en todimensjonal inngangsarray med 2 tall i hver dimensjon. Her er koden til eksemplet:

Importer numpy som NP
Array = NP.Array ([[2, 3], [4, 5]])
Print ("The Array Is =", Array)
trykk ("Arrayen etter bruk av flisefunksjon er =")
x = np.fliser (matrise, reps = 3)
trykk (x)

Som du kan observere, er inngangsarrayen todimensjonal, og repetisjonsnummeret er 3. I dette eksemplet gjentas hver verdi av matrisen 3 ganger, men antall dimensjoner forblir det samme. Her er utdataene fra koden gitt ovenfor:

Konklusjon

I denne artikkelen har vi lært om Numpy Tile -funksjonen. Numpy Library tilbyr flere funksjoner på matriser og hvorav en er flisefunksjonen. Numpy Tile -funksjonen lar brukeren gjenta inngangsarrayen så mange ganger som påkrevd. Ved hjelp av flere eksempler har vi forklart bruken av Numpy Tile -funksjonen for å få deg til å forstå funksjonen på en bedre måte.