Sommes marginales scipy

Python est le langage de programmation le plus adapté aux débutants, qui permet aux programmeurs d'écrire tous les programmes à usage général liés aux tâches d'automatisation, à créer des sites Web et des outils et techniques de données analytiques. L'une des bibliothèques de Python existe une bibliothèque reconnue comme le «scipy». Cette bibliothèque est responsable de l'exécution de toute tâche qui est la plus pertinente pour les systèmes et opérations mathématiques artificiellement intelligents car il a les fonctions par défaut utilisées pour former les modèles d'apprentissage automatique et les réseaux de neurones et effectuer les calculs. Scipy propose un attribut ou le module de fonction comme des «sommes marginales». Cette fonction calcule la somme de toutes les entrées qui existent dans les lignes ou les entrées des colonnes du tableau de l'ensemble de données donné. L'ensemble de données est un tableau à n dimensions qui a plusieurs lignes et colonnes.

Procédure

L'explication du concept de sommes marginales sera expliquée dans l'article. Nous apprendrons également quelles bibliothèques sont nécessaires qui nous permettra d'exécuter le programme avec succès et les paramètres et la syntaxe pour cela. La fonction de somme marginale scipy sera également expliquée dans cet article. La plate-forme logicielle avec laquelle nous travaillerons est «Google Collab» car il a des packages préinstallés, et il fait gagner du temps en allouant un espace GPU pour notre programme pour leur exécution.

Syntaxe

$ scipy.Statistiques.contingence.marges (tableau)

La fonction, comme mentionné précédemment, explique la syntaxe des sommes marginales. Cette fonction provient du module de statistique de la bibliothèque Python Scipy, et le module Stats utilise en outre son attribut de contingence pour exécuter ces fonctions. Les paramètres d'entrée impliqués dans cette fonction sont le tableau ou le tableau ND représentant l'ensemble de données pour lequel nous voulons trouver les sommes marginales.

Valeur de retour

La fonction renvoie la valeur des sommes marginales sous la forme d'une liste basée sur les dimensions du tableau. Cette somme pourrait être prise en ajoutant tous les éléments des lignes ou des colonnes de l'ensemble de données. Nous allons donc économiser les résultats de toutes les N-dimensions du tableau dans le nombre «N» des variables.

Exemple # 01

La méthode de somme marginale du Scipy prend une table nd et calcule la somme marginale pour cela. Dans cet exemple, nous trouverons la somme de la fonction marginale du scipy. Pour commencer par l'exemple, ouvrez le nouveau ordinateur portable dans Google Collab. Le laboratoire alloue l'espace mémoire à votre programme. Pour travailler sur la fonction, nous devons déclarer tout ensemble de données aléatoires puisque l'ensemble de données est un tableau multidimensionnel, afin que nous déclarerons un tableau dans le programme. Pour déclarer le tableau dans le programme, nous importerons un package Python, «Numpy». Cette bibliothèque garantit l'importation des informations importantes nécessaires pour déclarer le tableau du programme. Nous importerons cette bibliothèque en tant que «NP», NP sera utilisé comme préfixe pour Numpy. Nous définirons un tableau des deux dimensions ayant des éléments «14» (au total) au hasard. Pour définir correctement ce tableau, nous utiliserons les attributs de Numpy «arranger» et «remodeler», ces fonctions distribueront d'abord le tableau en quatorze éléments. Ils les façonneront respectivement en deux dimensions en les appelant avec le préfixe NP comme «NP. organiser (14).Reshape (2, 6) ». Enregistrez les résultats de ce tableau dans la mémoire d'une variable et nommez-le un «tableau».

Maintenant, pour prendre la somme marginale de ce tableau, importez la fonction de somme marginale du Scipy, accessible par le biais des «statistiques de Scipy. Attribut de contingence », alors intégrez les statistiques de Scipy. L'attribut de contingence en somme marginale fonctionne comme «de Scipy.Statistiques.marges d'importation d'urgence ». Maintenant, nous pouvons simplement appeler les marges au lieu des statistiques. éventualité et peut trouver la somme du tableau. Appelez la somme marginale de la méthode comme «marges ()» et passez le tableau que nous avions déclaré, et il ressemblerait à cette «marges (tableau)». Nous enregistrerons les résultats de cette méthode appelle en deux variables, «A» et «B», pour afficher les résultats.

Voici le code et la sortie du programme:

Importer Numpy comme NP
de Scipy.Statistiques.marges d'importation de contingence
array = np.Arange (12).Reshape (2, 6)
Imprimer (tableau)
a, b = marges (tableau)
Imprimer (a)

Exemple # 02

Cet exemple affichera comment nous pouvons calculer la somme marginale pour un tableau avec plus de deux dimensions. Les bibliothèques à importer pour le programme sont le «Numpy» et le «Scipy.stat.contingence". Nous les importerons avec le préfixe ou le module comme «NP» et «marges», respectivement. En utilisant le NP de Numpy, nous appellerons la fonction «organiser» et «remodeler» pour la déclaration du tableau tridimensionnel qui serait appelé «NP. organiser (12).Reshape (3,2,2) ».Ce tableau aura trois dimensions au total, et les éléments seront «24» exactement, répartis également par la méthode arrange ().

Après cette définition du tableau, nous passerons ce tableau aux fonctions marges () et enregistrerons les résultats des fonctions en trois variables différentes. Dont l'un aura des informations sur les sommes marginales du tableau, et les deux autres auront des informations concernant les lignes des tableaux. Ainsi, nous pouvons simplement les imprimer et savoir ce que le nombre spécifique de lignes dans le tableau contient comme les éléments. C'est ainsi que nous calculons les sommes marginales pour le tableau tridimensionnel. Nous avons joint l'extrait du code et la sortie de ce programme ci-dessous. Copiez ce programme et exécutez-le tel qu'il est sur n'importe quel compilateur Python; il générera la même sortie.

Importer Numpy comme NP
de Scipy.Statistiques.marges d'importation de contingence
array = np.Arange (12).Reshape (3,2,2)
print ("Array: \ n", array)
a, b, c = marges (tableau)
imprimer ("a: \ n", a)
print ("b: \ n", b)
print ("c: \ n", c)

Conclusion

La fonction de somme marginale du SCIPY n'est pas directement accessible, nous avons donc importé d'abord le module «Statistiques» de la bibliothèque SCIPY et utilisé le module «Conventence» des statistiques pour accéder aux sommes marginales sous forme de «marges». Nous avons discuté de la mise en œuvre des deux exemples pour les sommes marginales pour les deux différents terrains ND ayant deux dimensions comme deux et trois. Les résultats des programmes sont présentés et expliqués dans l'article.