Opérations arithmétiques
Introduction
Les tableaux d'entrée pour l'exécution d'opérations arithmétiques telles que add()
, subtract()
, multiply()
et divide()
doivent être soit de la même forme, soit conformes aux règles de diffusion des tableaux.
Exemple
import numpy as np
a = np.arange(9, dtype = np.float_).reshape(3,3)
print 'First array:'
print a
print '\n'
print 'Second array:'
b = np.array([10,10,10])
print b
print '\n'
print 'Add the two arrays:'
print np.add(a,b)
print '\n'
print 'Subtract the two arrays:'
print np.subtract(a,b)
print '\n'
print 'Multiply the two arrays:'
print np.multiply(a,b)
print '\n'
print 'Divide the two arrays:'
print np.divide(a,b)
Il produira le résultat suivant -
First array:
[
[ 0. 1. 2.]
[ 3. 4. 5.]
[ 6. 7. 8.]
]
Second array:
[10 10 10]
Add the two arrays:
[
[ 10. 11. 12.]
[ 13. 14. 15.]
[ 16. 17. 18.]
]
Subtract the two arrays:
[
[-10. -9. -8.]
[ -7. -6. -5.]
[ -4. -3. -2.]
]
Multiply the two arrays:
[
[ 0. 10. 20.]
[ 30. 40. 50.]
[ 60. 70. 80.]
]
Divide the two arrays:
[
[ 0. 0.1 0.2]
[ 0.3 0.4 0.5]
[ 0.6 0.7 0.8]
]
Voyons maintenant quelques-unes des autres fonctions arithmétiques importantes disponibles dans NumPy.
numpy.reciprocal()
Cette fonction renvoie la réciproque de l'argument, par élément. Pour les éléments dont la valeur absolue est supérieure à 1, le résultat est toujours 0 en raison de la façon dont Python gère la division des entiers. Pour le nombre entier 0, un avertissement de dépassement de capacité est émis.
Exemple
import numpy as np
a = np.array([0.25, 1.33, 1, 0, 100])
print 'Our array is:'
print a
print '\n'
print 'After applying reciprocal function:'
print np.reciprocal(a)
print '\n'
b = np.array([100], dtype = int)
print 'The second array is:'
print b
print '\n'
print 'After applying reciprocal function:'
print np.reciprocal(b)
Il produira le résultat suivant -
Our array is:
[ 0.25 1.33 1. 0. 100. ]
After applying reciprocal function:
main.py:9: RuntimeWarning: divide by zero encountered in reciprocal
print np.reciprocal(a)
[ 4. 0.7518797 1. inf 0.01 ]
The second array is:
[100]
After applying reciprocal function:
[0]
numpy.power()
Cette fonction traite les éléments du premier tableau d'entrée comme base et les renvoie élevés à la puissance de l'élément correspondant dans le deuxième tableau d'entrée.
Exemple
import numpy as np
a = np.array([10,100,1000])
print 'Our array is:'
print a
print '\n'
print 'Applying power function:'
print np.power(a,2)
print '\n'
print 'Second array:'
b = np.array([1,2,3])
print b
print '\n'
print 'Applying power function again:'
print np.power(a,b)
Il produira le résultat suivant -
Our array is:
[ 10 100 1000]
Applying power function:
[ 100 10000 1000000]
Second array:
[1 2 3]
Applying power function again:
[ 10 10000 1000000000]
numpy.mod()
Cette fonction renvoie le reste de la division des éléments correspondants dans le tableau d'entrée. La fonction numpy.remainder() produit également le même résultat.
import numpy as np
a = np.array([10,20,30])
b = np.array([3,5,7])
print 'First array:'
print a
print '\n'
print 'Second array:'
print b
print '\n'
print 'Applying mod() function:'
print np.mod(a,b)
print '\n'
print 'Applying remainder() function:'
print np.remainder(a,b)
Il produira le résultat suivant -
First array:
[10 20 30]
Second array:
[3 5 7]
Applying mod() function:
[1 0 2]
Applying remainder() function:
[1 0 2]
Les fonctions suivantes sont utilisées pour effectuer des opérations sur des tableaux avec des nombres complexes.
numpy.real()
− renvoie la partie réelle de l'argument de type de données complexes.numpy.imag()
− renvoie la partie imaginaire de l'argument de type de données complexes.numpy.conj()
− renvoie le conjugué complexe, qui est obtenu en changeant le signe de la partie imaginaire.numpy.angle()
− renvoie l'angle de l'argument complexe. La fonction a un paramètre degré. Si vrai, l'angle en degré est retourné, sinon l'angle est en radians.
import numpy as np
a = np.array([-5.6j, 0.2j, 11. , 1+1j])
print 'Our array is:'
print a
print '\n'
print 'Applying real() function:'
print np.real(a)
print '\n'
print 'Applying imag() function:'
print np.imag(a)
print '\n'
print 'Applying conj() function:'
print np.conj(a)
print '\n'
print 'Applying angle() function:'
print np.angle(a)
print '\n'
print 'Applying angle() function again (result in degrees)'
print np.angle(a, deg = True)
Il produira le résultat suivant -
Our array is:
[ 0.-5.6j 0.+0.2j 11.+0.j 1.+1.j ]
Applying real() function:
[ 0. 0. 11. 1.]
Applying imag() function:
[-5.6 0.2 0. 1. ]
Applying conj() function:
[ 0.+5.6j 0.-0.2j 11.-0.j 1.-1.j ]
Applying angle() function:
[-1.57079633 1.57079633 0. 0.78539816]
Applying angle() function again (result in degrees)
[-90. 90. 0. 45.]
Besoin d'aide ?
Rejoignez notre communauté officielle et ne restez plus seul à bloquer sur un problème !