NumPy Element Wise Division

'I den här handledningen kommer vi att lära oss vad funktionen NumPy divide() är och hur man använder den här funktionen med olika förklarade exempel.

Som du vet, med namnet på funktionen, d.v.s. dividera. Om vi ​​pratar om matematik delar vi två tal för att få det angivna svaret.”

Introduktion

Här kommer uppdelningsfunktionen att fungera på samma sätt som vi diskuterade ovan; den enda skillnaden är att där delar vi två tal, och här delar vi varje element i arrayerna. Det är därför det är känt som en elementvis uppdelning.

Funktionen NumPy divide() delar upp NumPy-arrayerna av samma storlek. NumPy divide() utför sanna divisioner, vilket innebär att vi får utdata i en flyttal.

Syntax

Låt oss diskutera skrivstilen och implementeringen av divide()-funktionen i NumPy. Först måste vi skriva namnet på biblioteket av python som vi använder, vilket är 'numpy', och sedan har vi ett funktionsnamn 'divide', som vi ska utföra. Sedan skickade vi parametrarna till funktionen.

Parametrar

Följande är de obligatoriska och valfria parametrarna som vi skickade under implementeringen av divide()-funktionen i NumPy.

Obligatoriska parametrar

array1: är arrayen som kommer att innehålla utdelningselementen.

array2: är arrayen som kommer att innehålla divisorelementen.

Valfria parametrar

ut: som standard är dess värde 'ingen', vilket innebär att värdet lagras. Om värdet inte anges kommer den nyligen tilldelade arrayen att returneras.

var: Den här parametern sänds över inmatningsmatrisen. Om påståendet är sant kommer utmatrisen att ställas in på resultatet för universell funktion (ufunc). Om det är falskt kommer utmatrisen att behålla sitt ursprungliga resultat.

Returvärde

Det returnerade värdet för inmatningsmatrisen är den nybildade matrisen som innehåller en elementvis division av divide()-funktionen.

Exempel 01: Dela 1D-array efter skalärt värde

Låt oss nu gå mot det första exemplet på divide()-funktionen. Eftersom vi vet att funktionen divide() används för att dividera de två arrayerna elementvis, men här i vårt första exempel har vi en array som utdelning och för det andra har vi ett skalärt värde som en divisor. För att implementera ett python-program måste du först installera valfri python-kompilator för att köra det här programmet.

Låt oss nu börja förklara vår första kod rad för rad. Eftersom vi kommer att använda funktionen NumPy division() måste vi först importera NumPy-modulen. Sedan använder vi en print()-metod för att visa ett meddelande 'Implementation of divide() function:' som visar att vi kommer att implementera en divide()-funktion. Och sedan använder vi en formatspecifikator '\n' i utskriftsmetoden () som används för att ange en ny rad.

Sedan skapar vi vår utdelningsmatris '[2, 4, 6, 8, 10]' som heter 'array1'. För att visa array1 i utgången anropade vi en print()-metod och skickade arrayen i den. Vi vill också visa det relaterbara meddelandet om array1, så vi har även skrivit meddelandet med dubbla citattecken i utskriftsmetoden. Sedan skapar vi en skalär variabel '2' med namnet 'scaler_value' som en divisor, och vi visar värdet på den skalära variabeln genom att använda metoden print() och skicka variabelnamnet i den.

Efter att ha skapat vår utdelningsmatris och skalära divisorvariabel, låt oss anropa divide()-funktionen för att utföra divisionen i NumPy. Som du ser på rad 1 importerar vi numpy som alias np. Så för att anropa funktionen, först, vi skriver 'np' eftersom det är NumPy-funktionen, skriver sedan funktionsnamnet 'divide' och skickar parametern i divide() funktionsparenteser; i det här exemplet skickade vi till obligatoriska parametrar, dvs array1 och scaler_value. Efter att ha skrivit funktionen NumPy divide() har vi lagrat den här funktionen i en annan ny array för när vi igen vill ha den här funktionen behöver vi inte skriva bara anropa divide()-funktionen genom arraynamnet, d.v.s. new_array. Sedan skriver vi ut den nya arrayen genom att anropa metoden print() (en fördefinierad metod).

Utdata från koden som visas ovan visas här som den visas i skalet. Som du ser får vi kvotmatrisen som är [1 2  3  4  5].

Exempel 02: Dela två matriser Element-Wise

Gå nu vidare till 2:an ^nd exempel på divide()-funktionen. I det här exemplet har vi två inmatningsmatriser för att utföra divide()-funktionen. Array1 är '[5, 10, 15, 20, 25]' och array2 är '[3, 7, 11, 13, 17]'. Och vi visar båda arrayerna genom att anropa den fördefinierade metoden print()-metoden i den. Sedan anropar vi divide()-funktionen och skickar parametrarna (d.v.s. array1 och array2) i den och lagrar funktionen i en annan ny array som heter 'new_array' och skriver ut den genom att anropa metoden print().

Här är utdatadisplayen för det ovan illustrerade exemplet på divide()-funktionen i NumPy.

Exempel 03: Multidimensionella matriser i divide()-funktionen

I denna 3 ^rd Exempelvis kommer vi att implementera divide()-funktionerna på den flerdimensionella arrayen. Först importerar vi NumPy-modulen för att implementera divide()-funktionen. Sedan skapade vi två arrayer, 'array1' och 'array2', och vi skrev ut båda arrayerna genom att anropa den fördefinierade print()-metoden och skicka dessa arrayer i den. Sedan anropade vi divide()-funktionen med alias np och skickade array1 och array2 i den, och lagrade hela denna funktion i en annan array som heter 'new_array' så att vi inte behöver anropa den här funktionen om och om igen. Sedan skriver vi ut 'new_array' genom att använda metoden print().

Låt oss se vad resultatet av den ovan definierade koden för divide()-funktionen i NumPy är. Som du ser nedan har vi fått den önskade kvotmatrisen genom att dividera arra1 och array2.

Slutsats

I den här artikeln har vi lärt oss vad divide()-funktionen är, och vi har också implementerat flera olika exempel och förklarat varje kodrad i dessa exempel så att ingen förvirring finns kvar.