Numpy Complex Numer

Wiemy, że liczby złożone są reprezentowane przez konwencjonalne A+BI, gdzie „A” jest zawsze liczbą rzeczywistą; „B” jest również liczbą prawdziwą, ale „ja” jest wyimaginowanym komponentem. Jeszcze jedna rzecz, o której wiemy, jest „i^2 = -1”, ponieważ żadna z liczb rzeczywistych nie może zaspokoić tego równania, które nazywamy „I” wyobrażoną częścią. Numpy obsługuje liczby rzeczywiste, a także wyobrażone liczby. W Numpy liczby wyimaginowane są reprezentowane przez „J”. Istnieją różne sposoby tworzenia i manipulowania tablicami o liczbach złożonych, takich jak NP.Complex (), NP.Range (), NP.tablica () i więcej.

Składnia

Składnia do tworzenia tablicy zawierającej liczby złożone jest następujące:

Metoda 1:

1J * np.Arange (rozmiar)

Składnia podana powyżej 1J to część wyobraźni, co oznacza, że ​​tworzymy szereg liczb złożonych, gdzie NP.Układ to funkcja dostarczana przez Numpy w celu utworzenia tablicy do określonego zakresu. Rozmiar, który wskazuje rozmiar tablicy, jest przekazywany do funkcji.

Metoda 2:

NP.tablica ([re+re*im, re+re*im,…])

W tej składni NP.Arrray to funkcja, która umożliwia nam utworzenie tablicy, ale nie możemy przekazać jej zakresu. Po prostu przekazujemy wartości „n”. W funkcji przekazaliśmy „re”, co wskazuje liczby rzeczywiste dodając je do „im” wyobrażonej liczby w wielu liczbach rzeczywistego. Możemy przekazać wyimaginowane wartości do n.

Przykład nr 01:

Jak wiemy, Numpy obsługuje również liczby złożone i zapewnia wiele odmian metod wdrażania i manipulowania liczbami złożonymi. W poniższym przykładzie zaimplementujemy dwa sposoby tworzenia tablic zawierających liczby złożone. Aby wdrożyć funkcje Numpy, najpierw zaimportujmy bibliotekę Numpy jako NP. Następnie zainicjujemy tablicę o nazwie „Array_a”, do której przypisujemy funkcję NP.arange (), który będzie zawierał liczby złożone. A zasięg tablicy będzie „8”. W następnym wierszu stworzyliśmy kolejną tablicę o nazwie „array_b”, do której przekazaliśmy tablicę liczb złożonych, przekazując złożone wartości bezpośrednio do niego. W końcu wydrukowaliśmy złożoną tablicę, którą stworzyliśmy przy użyciu obu metod.

importować Numpy jako NP
array_a = 1J * np.Arange (8)
array_b = np.tablica ([2+1J, 3+4J, 5+2J, 1+6J])
print („tablica złożona za pomocą funkcji arange ()”, array_a)
Drukuj („złożona tablica za pomocą NP.array () funkcja ", array_b)

Jak pokazano na poniższym fragmencie, jest wynikiem wykonanego kodu. Widzimy, że stworzyliśmy dwie tablice, które mają zakres liczb złożonych od 0J do 7J. W drugim przekazaliśmy losowy zakres liczby złożonej wielkości 4.

Metoda 3:

NP.złożone (re+re*im)

W podanej powyżej składni NP.Complex () to wbudowana klasa dostarczana przez pakiet Python Numpy, który umożliwia nam przechowywanie złożonych wartości.

Przykład nr 02:

Innym sposobem na stworzenie tablicy Numpy Complex jest użycie klasy Numpy's Complex (). Complex Class () służy do przechowywania liczb złożonych i zwraca złożony obiekt, którego możemy użyć wiele razy w jednym kodzie. Teraz wdrażając klasę Complex (), najpierw zaimportujemy nasz pakiet Numpy. Następnie zainicjujemy tablicę, do której przekazaliśmy złożoną klasę, która wykorzystuje gwiazdkę „*” do przekazania obiektu klasy złożonej (), do której minęliśmy „3+1J”. Korzystając z funkcji aranż (), utworzyliśmy tablicę rozmiaru 5. W końcu wyświetliśmy dane wyjściowe kodu, w którym utworzyliśmy tablicę złożoną za pomocą klasy ().

importować Numpy jako NP
array = np.kompleks (3+1J) *np.Arange (5)
Drukuj („złożona tablica za pomocą NP.complex () klasa ”, tablica)

Jak pokazano na poniższym rysunku, stworzyliśmy szereg liczb złożonych. Ale jeszcze jedną rzeczą, którą możemy zauważyć na rysunku, jest to, że stała wartość nie jest kodowani, ponieważ przekazaliśmy „3+1J” do klasy (), co oznacza, że ​​numer trzy zostanie dodany do każdego następnego stałych wartości.

Metoda 4:

NP.one (kształt, dType = brak, porządek = 'c', *, jak = brak)

W tej metodzie NP.one (), określamy tablicę liczb złożonych za pomocą parametru Dtype w tablicy Numpy. NP.one () służy do zwrotu nowej tablicy zawierającej 1s. Do funkcji NP.one (), przekazaliśmy cztery parametry „kształt”, który służy do zdefiniowania kształtu tablicy, niezależnie od tego, czy jest to „2”, „3”, czy też. „Dtype” to typ danych. W naszym przypadku będziemy używać złożonego danych. „Zamówienie” określa, czy tablica jest jednowymiarowa, dwa lub wielowymiarowe.

Przykład nr 03:

Wdrożyćmy metodę (), aby uzyskać lepsze wyobrażenie o tym, jak to działa podczas używania liczb złożonych. Aby wdrożyć tę metodę, najpierw zaimportujmy nasze pakiety Numpy, które są dostarczane przez Python. Następnie utworzymy tablicę, do której zdamy NP.one () funkcja, do której przekazaliśmy dwa parametry. Pierwszy to „4”, co oznacza, że ​​rozmiar tablicy wyniesie 4, a drugi to „Dtype”, który jest złożony. Oznacza to, że utworzymy szereg liczb typu typu danych. Pomnożenie funkcji () wartością „2” oznacza, że ​​nasza liczba rzeczywista będzie „2”. W końcu wydrukowaliśmy tablicę, którą utworzyliśmy za pomocą instrukcji drukowania.

importować Numpy jako NP
array = np.te (4, dtype = złożone)*2
Drukuj („złożona tablica za pomocą NP.one () funkcja ", tablica)

Jak pokazano poniżej, dane wyjściowe naszego kodu jest pomyślnie wykonywane, w którym mamy jednowymiarową tablicę, która zawiera 4 złożone wartości z rzeczywistą liczbą 2.

Przykład nr 04:

Wdrożyćmy teraz kolejny przykład, w którym utworzymy szereg liczb złożonych i wydrukujemy wyimaginowane i prawdziwe części liczb złożonych. Najpierw zaimportujemy bibliotekę Numpy, a następnie utworzymy tablicę, do której przekazaliśmy wartości złożone „6” do tablicy o nazwie „tablica”, która jest „56+0J, 27+0J, 68+0J, 49+0J, 120+0J , 4+0J ”. W następnym wierszu po prostu wydrukowaliśmy tablicę. Teraz drukujemy wyimaginowane i rzeczywiste wartości złożonej tablicy.

Numpy zapewnia wbudowaną funkcję dla obu operacji, które pokazano poniżej. Pierwszym, który otrzymał wyobrażoną część, to „nazwa array_name.wyobrażenie ”, gdzie wartość przed kropką jest tablica, z której musimy uzyskać część wyobraźni. A drugą, która zdobyła prawdziwą część, jest „nazwa array_name.prawdziwy". W naszym przypadku nazwa tablicy to „tablica”, więc przeszliśmy instrukcję drukowania, nazwę tablicy i słowo kluczowe, aby uzyskać oba elementy.

importować Numpy jako NP
array = np.tablica ([56.+0.J, 27.+0.J, 68.+0.J, 49.+0.J, 120.+0.J, 3 + 4.J])
Drukuj („Oryginalna tablica: x”, tablica)
Drukuj („Prawdziwa część tablicy:”)
Drukuj (tablica.prawdziwy)
Drukuj („Wyimaginowana część tablicy:”)
Drukuj (tablica.wyobrażenie)

Jak pokazano na fragmencie poniżej, wyjście, w którym wyimaginowana i prawdziwa część złożonej tablicy jest pomyślnie wykonywana. Gdzie prawdziwe części to „56”, „27”, „68”, „120” i „3”. A wyobrażone części to „0”.

Wniosek

W tym artykule krótko omówiliśmy liczby złożone i to, w jaki sposób możemy tworzyć złożone tablice za pomocą wbudowanych funkcji Numpy. Opisaliśmy wiele funkcji, które pozwalają nam tworzyć złożone tablice, wdrażając wiele przykładów, aby lepiej zrozumieć.