SQRT Numpy

Numpy SQRT représente la fonction du script Python qui est utilisé pour prendre la racine carrée des éléments. Numpy est connu comme une bibliothèque dans le langage Python qui a été conçue pour fonctionner avec les terrains ND ainsi que pour la manipulation du tableau et des matrices avec l'opération mathématique comme les opérations matricielles, les opérations arithmétiques, les opérations statistiques et l'algèbre linéaire pour implémenter ces fonctions sur les tableaux. La fonction SQRT Numpy prend soit l'élément unique ou les matrices / tableaux multidimensionnels et applique la racine carrée sur chaque élément du tableau et renvoie la valeur de la racine carrée de chaque élément dans le même ordre que dans le tableau.

Procédure:

La procédure de l'article couvre tous les principaux concepts qui peuvent être nécessaires à tout début pour comprendre complètement le concept concernant la fonction SQRT Numpy. Initialement, les paramètres de l'appel de la fonction du SQRT Numpy seront discutés dans la langue Python, puis nous implémentons les différents exemples traitant des différents scénarios de la fonction SQRT Numpy. Pour travailler pratiquement avec cette fonction, nous utiliserons les compilateurs Python avec la bibliothèque Numpy installée dedans. Voici le processus étape par étape de la fonction SQRT Numpy.

Syntaxe:

Avant d'implémenter ou d'appeler une fonction dans notre code, nous devons d'abord connaître ses paramètres d'entrée que la fonction prend et renvoie la sortie souhaitée. Par conséquent, nous explorons maintenant la méthode pour appeler la fonction SQRT Numpy. Cette fonction a la syntaxe suivante ayant les paramètres mentionnés dans les éléments suivants:

$ numpy. SQRT ()

Le premier paramètre de la fonction est le «tableau d'entrée» dont nous voulons déterminer la racine carrée. Le deuxième paramètre est le «Out» qui représente le réseau ND où nous voulons stocker les résultats qui sont retournés après avoir pris la racine carrée du tableau d'entrée. Ici, nous devons être prudents que la forme et les dimensions de ce tableau doivent être les mêmes que le tableau d'entrée et ce paramètre n'est pas une contrainte, elle est facultative. Le dernier paramètre est le «retour». Le retour est un tableau ND qui contient la racine carrée du tableau d'entrée. Après avoir connu la syntaxe en détail pour la fonction SQRT Numpy, nous implémentons maintenant cette syntaxe et essayons d'appeler cette fonction pour différents exemples dans le code Python.

Exemple 1:

La fonction Numpy Array est la fonction la plus simple à utiliser mais quand même, nous essayons de l'implémenter avec l'exemple le plus simple, puis nous augmentons progressivement le niveau de difficulté dans les prochains exemples à venir. Pour commencer l'exemple, nous créons d'abord un projet avec le nom «SQRT» dans le compilateur Python. Après avoir créé un nouveau projet, nous importons maintenant les bibliothèques importantes. L'une des bibliothèques les plus importantes qui traite des arrayons ND est le «Numpy». Lors de l'importation de cette bibliothèque, il peut y avoir des façons différentes. Nous pouvons soit importer cette bibliothèque en tant que Numpy, soit nous pouvons lui donner un préfixe ou un surnom comme «NP» pour l'appeler avec la fonction dans le code plus tard. La méthode conventionnelle pour importer Numpy est d'utiliser le préfixe «NP», nous nous entendons donc également avec cette méthode.

Avec les étapes précédentes avec succès, nous initialisons maintenant un tableau que nous passons à la fonction de racine carrée pour calculer la racine carrée de ses éléments. Nous déclarons et initialisons le tableau à l'aide du «NP. La méthode Array () »et les éléments que nous donnons à ce tableau sont« [4, 9, 16, 25] ». Pour calculer la racine carrée, nous appelons le «NP. SQRT () ”Fonctionne et passez cette fonction au tableau que nous avons créé. Nous stockons les résultats de la fonction «SQRT» dans un autre tableau ayant les dimensions égales au tableau d'entrée sous forme de «racine carrée». Et puis, nous affichons la racine carrée à l'aide de la méthode print (). Nous pouvons utiliser le code suivant qui est écrit dans le script Python et vérifier les résultats:

Importer Numpy comme NP
# Déclarer un tableau avec des nombres réels positifs
array = np.Array ([4, 9, 16, 25])
# Compuler la racine carrée d'un tableau
SquareRoot = np.SQRT (tableau)
Imprimer ("SquareRoot du tableau:", racine carrée)

Les résultats de l'exemple sont devenus un autre tableau ayant les éléments qui sont la racine carrée du réseau d'entrée comme «[2, 3, 4, 5]». Cela nous amène à la conclusion que nous avons réussi à utiliser la fonction de racine carrée de Numpy.

Exemple 2:

L'exemple précédent a les nombres réels positifs. Ensuite, nous avons calculé leur racine carrée. Mais dans cet exemple, nous traitons des nombres complexes. Nous initialisons un tableau avec les nombres complexes, puis prenons la racine carrée de ces nombres complexes. Nous commençons par créer un nouveau projet et nous importons la bibliothèque Numpy avec la convention dont nous avons discuté dans le premier exemple.

Après cela, nous initialisons un tableau unidimensionnel en appelant le «NP.Array () ”Méthode avec ses éléments comme nombres complexes comme« [4 + 25j, 9 + 16j, - 5 - 8j] ». Nous calculons la racine carrée de ces nombres complexes en passant ces nombres aux paramètres du «NP. SQRT () ”Fonctionne et affiche les résultats. Ce qui suit est le code Python que nous pouvons exécuter dans nos compilateurs pour voir si cette fonction fonctionne pour des nombres complexes ou non:

Importer Numpy comme NP
# Déclarer un tableau avec des nombres complexes
array = np.Array ([4 + 25J, 9 + 16J, - 5 - 8J])
# Compuler la racine carrée d'un tableau
SquareRoot = np.SQRT (tableau)
Imprimer ("SquareRoot du tableau:", racine carrée)

Nous avons exécuté le code perméable et enregistré les résultats du code dans la variable «SquareRoot». La figure précédente montre la sortie du code qui est la racine carrée des nombres complexes que nous avons donnés dans le tableau d'entrée.

Conclusion

L'article met en lumière le concept du Numpy.fonction sqrt (). Nous avons appris et discuté de l'introduction et de la syntaxe de cette fonction dans cet article pour obtenir une bonne prise sur ce concept. Et puis, pour tester nos connaissances, nous avons exécuté deux exemples où nous avons dû définir les deux tableaux ayant les nombres réels et complexes comme éléments, puis calculé leurs racines carrées. Nous espérons que cet article vous aidera à effacer vos ambiguïtés sur l'utilisation de Numpy.fonction sqrt ().