Numpy Appliquer la fonction

La bibliothèque intégrée proposée par Python, connue sous le nom de Numpy, nous permet de construire les tableaux multidimensionnels, de les modifier et d'effectuer divers calculs arithmétiques sur eux. La fonction d'application est également fournie par le package Numpy. Le cas d'utilisation typique de la fonction d'application est similaire au scénario où nous voulons trancher un tableau et effectuer des opérations sur chaque élément d'une liste, par exemple, si nous voulons affronter chaque élément d'une ligne. Bien sûr, à Python, nous savons que les boucles pour les boules sont lentes, nous aimerions donc les éviter si possible. La fonction «Appliquer» peut être utilisée si vous souhaitez effectuer la même opération sur chaque ligne ou colonne d'une trame de données. En d'autres termes, il fait ce que vous voulez faire avec une boucle sans avoir à écrire une boucle pour.

Il existe deux méthodes pour appliquer une fonction au tableau en fonction de la condition. Nous pouvons appliquer la fonction «Appliquer sur la fonction de l'axe» qui est utile lorsque nous appliquons la fonction sur chaque élément du tableau un par un, et il est utile pour les tableaux de dimension N. La deuxième méthode est «Appliquer le long de l'axe» qui s'applique à un tableau unidimensionnel.

Syntaxe:

Méthode 1: Appliquer le long de l'axe

nombant.Application_along_axis (1d_function, axe, arr, * args, ** kwargs)

Dans la syntaxe, nous avons le «Numpy.Appliquer »la fonction à laquelle nous transmettons cinq arguments. Le premier argument qui est «1d_function» fonctionne sur le tableau unidimensionnel, qui est requis. Tandis que le deuxième argument, «l'axe», est celui sur quel axe souhaitez-vous trancher le tableau et appliquer cette fonction. Le troisième paramètre est «arr» qui est le tableau donné auquel nous voulons appliquer la fonction. Tandis que les «* args» et «* kwargs» sont les arguments supplémentaires qui ne sont pas nécessaires pour ajouter.

Exemple 1:

En vous dirigeant vers une meilleure compréhension des méthodes «Appliquer», nous effectuons un exemple pour vérifier le fonctionnement des méthodes d'application. Dans ce cas, nous effectuons la fonction «Application_along_axis». Passons à notre première étape. Nous incluons d'abord nos bibliothèques Numpy en tant que NP. Et puis, nous créons un tableau nommé «Arr» qui contient une matrice 3 × 3 avec des valeurs entières qui sont «8, 1, 7, 4, 3, 9, 5, 2 et 6». Dans la ligne suivante, nous créons une variable nommée «Array» qui est responsable de la tenue du résultat de la fonction applicable_along_axis.

À cette fonction, nous passons trois arguments. Le premier est la fonction que nous voulons appliquer au tableau, dans notre cas, c'est la fonction triée parce que nous voulons que notre tableau soit trié. Ensuite, nous passons le deuxième argument «1», ce qui signifie que nous voulons trancher notre tableau le long de l'axe = 1. Laslty, nous passons le tableau qui doit être trié dans ce cas. À la fin du code, nous imprimons simplement les deux tableaux - le tableau d'origine ainsi que le tableau résultant - qui s'affiche à l'aide de l'instruction print ().

Importer Numpy comme NP
arr = np.Array ([[8,1,7], [4,3,9], [5,2,6]])
array = np.Application_along_axis (trié, 1, arr)
print ("Le tableau d'origine est:", arr)
Print ("Le tableau trié est:", Array)

Comme nous pouvons le voir dans la sortie suivante, nous avons affiché les deux tableaux. Dans le premier, les valeurs sont placées au hasard dans chaque rangée de la matrice. Mais dans le second, nous pouvons voir le tableau trié. Depuis que nous avons dépassé l'axe "1", il n'a pas trié le tableau complet mais il l'a trié sur la ligne comme affiché. Chaque ligne est triée. La première rangée du tableau donné est «8, 1 et 7». Alors que dans le tableau trié, la première rangée est «1, 7 et 8». Identique à celui-ci, chaque ligne est triée.

Méthode 2: Appliquer sur l'axe

nombant.Application_over_axes (func, a, axes)

Dans la syntaxe donnée, nous avons Numpy.Fonction applicable_over_axis qui est responsable de l'application de la fonction sur l'axe donné. À l'intérieur de la fonction applicable_over_axis, nous passons trois arguments. Le premier est la fonction qui doit être effectuée. Le second est le tableau lui-même. Et le dernier est l'axe sur lequel nous voulons appliquer la fonction.

Exemple 2:

Dans le cas suivant, nous effectuons la deuxième méthode de la fonction «Appliquer» dans laquelle nous calculons la somme du tableau tridimensionnel. Une chose à retenir est que la somme de deux tableaux ne signifie pas que nous calculons l'ensemble du tableau. Dans certains des tableaux, nous calculons la somme en ligne, ce qui signifie que nous ajoutons les lignes et en retirons l'élément unique.

Passons à notre code. Nous importons d'abord le package Numpy, puis créons une variable qui contient le tableau tridimensionnel. Dans notre cas, la variable est «arr». Dans la ligne suivante, nous créons une autre variable qui contient le tableau résultant de la fonction applicable_over_axis. Nous attribuons la fonction applicable_over_axis à la variable «arr» avec trois arguments. Le premier argument est la fonction intégrée de Numpy pour calculer la somme qui est np.somme. Le deuxième paramètre est le tableau lui-même. Le troisième argument est l'axe sur lequel la fonction est appliquée, dans ce cas, nous avons l'axe «[0, 2]». À la fin du code, nous exécutons les deux tableaux à l'aide de l'instruction print ().

Importer Numpy comme NP
arr = np.Array ([[[6, 12, 2], [2, 9, 6], [18, 0, 10]],
[[12, 7, 14], [2, 17, 18], [0, 21, 8]]]))
array = np.appliquer_over_axes (np.sum, arr, [0,2])
print ("Le tableau d'origine est:", arr)
Print ("La somme du tableau est:", Array)

Comme le montre la figure suivante, nous avons calculé certains de nos tableaux tridimensionnels en utilisant la fonction applicable_over_axis. Le premier tableau affiché est le tableau d'origine avec la forme de «2, 3, 3» et le second est la somme des lignes. La somme de la première rangée est «53», la seconde est «54» et la dernière est «57».

Conclusion

Dans cet article, nous avons étudié comment la fonction d'application est utilisée dans Numpy et comment nous pouvons appliquer les différentes fonctions sur les tableaux le long ou sur l'axe. Il est facile d'appliquer une fonction sur la ligne ou la colonne souhaitée en les tranchant en utilisant les méthodes «Appliquer» fournies par Numpy. C'est une manière efficace lorsque nous n'avons pas à l'appliquer à l'ensemble du tableau. Nous espérons que vous trouverez ce post bénéfique pour apprendre à utiliser la méthode d'application.