Trong hướng dẫn Python này, chúng ta sẽ tìm hiểu cách chia các phần tử trong mảng NumPy Python. Ngoài ra, chúng tôi sẽ bao gồm các chủ đề này
- Python phân chia phần tử khôn ngoan
- Python numpy chia cho số không
- Python chia mảng numpy theo tỷ lệ
- Python chia mảng numpy theo vectơ
- Python np. chia vs /
- Mảng numpy Python chia từng phần tử
- Python numpy true_divide
- Python np. ví dụ tách
- Phân chia ngẫu nhiên Python numpy
- Python tách chuỗi numpy
- Python np. nhật ký chia cho số không
Mục lục
- Phân chia numpy Python
- Python phân chia phần tử khôn ngoan
- Python numpy chia cho số không
- Python chia mảng numpy theo tỷ lệ
- Python chia mảng numpy theo vectơ
- Python np. chia vs /
- Mảng numpy Python chia từng phần tử
- Python numpy true_divide
- Python np. ví dụ tách
- Phân chia ngẫu nhiên Python numpy
- Python tách chuỗi numpy
- Python np. nhật ký chia cho số không
Phân chia numpy Python
- Trong phần này, chúng ta sẽ thảo luận về cách chia phần tử khôn ngoan trong mảng NumPy Python
- Để thực hiện tác vụ cụ thể này, chúng ta sẽ sử dụng numpy. hàm chia []. Trong Python, hàm này được sử dụng để tính phép chia giữa hai mảng có nhiều mảng và phương thức này cung cấp một số tham số cho phép người dùng chỉ định thuật toán
- Chúng ta cũng có thể sử dụng toán tử / để chia từng phần tử của một mảng. Ví dụ: giả sử bạn có hai mảng có nhiều mảng chứa các giá trị nguyên và chúng tôi muốn chia từng giá trị của mảng có nhiều mảng thứ nhất với mảng thứ hai bằng cách sử dụng numpy. hàm split[] và toán tử /
cú pháp
Hãy cùng xem Cú pháp và hiểu hoạt động của numpy. hàm chia []
numpy.divide
[
x1,
x2,
/,
out=None,
*,
where=True,
casting='same_kind',
order='K',
dtype=None,
subok=True
]
- Nó bao gồm một số tham số
- x1. Tham số này cho biết mảng có giá trị cổ tức
- x2. Nhập giá trị mảng để tính phép chia
- Ngoài. Theo mặc định, nó không nhận giá trị nào và nó cho biết kết quả được lưu trữ và nếu nó không được cung cấp giá trị không thì một mảng được phân bổ mới sẽ được trả về
Thí dụ
Hãy lấy một ví dụ và kiểm tra cách chia hai mảng trong NumPy Python
Mã nguồn
import numpy as np
new_val = np.array[[12,24,36]]
new_val2 = np.array[[2,12,4]]
result=np.divide[new_val,new_val2]
print["Division of two arrays:",result]
Trước tiên, trong đoạn mã trên, chúng tôi đã nhập thư viện numpy và sau đó tạo hai mảng trong đó mảng cổ tức 'new_val' và mảng chia 'new_val2'. Sau đó, chúng tôi đã khai báo một biến 'kết quả' và được gán numpy. hàm split[] trong đó. Khi bạn in ‘kết quả’ thì đầu ra sẽ hiển thị kết quả của việc chia các phần tử
Đây là Ảnh chụp màn hình của mã đã cho sau
Đọc. Python NumPy Kiểu dữ liệu
Python phân chia phần tử khôn ngoan
- Trong chương trình này, chúng ta sẽ tìm hiểu cách chia phần tử khôn ngoan trong mảng NumPy Python bằng cách sử dụng toán tử /
- Trong Python, toán tử / được sử dụng để chia một mảng có nhiều mảng cho một mảng khác và toán tử chia/vượt qua mảng và hằng số dưới dạng toán hạng và lưu trữ hai mảng có nhiều mảng trong một biến thứ ba
cú pháp
Đây là cú pháp của / toán tử số học để chia mảng
arr3=arr1/arr2
Thí dụ
Hãy lấy một ví dụ và hiểu hoạt động của toán tử /
Mã nguồn
import numpy as np
new_arr = np.array[[49,25,36]]
new_arr2 = np.array[[7,5,6]]
new_output = new_arr/new_arr2
print[new_output]
Đây là việc triển khai mã đã cho sau đây
Như bạn có thể thấy trong Ảnh chụp màn hình, đầu ra hiển thị new_array
Đọc. Mảng 2d Python NumPy
Python numpy chia cho số không
- Trong phần này, chúng ta sẽ thảo luận về cách chia mảng numpy cho giá trị 0 trong Python
- Bằng cách sử dụng toán tử / chúng ta có thể thực hiện tác vụ cụ thể này. Trong Python, toán tử / được sử dụng để chia các phần tử từ mảng này sang mảng khác. Trong chương trình này trước tiên, chúng tôi đã tạo một mảng chỉ chứa các giá trị số nguyên. Sau đó, chúng tôi khai báo một mảng khác ‘new_arr2’ bằng cách sử dụng np. array[] và gán giá trị 0 cho nó
- Bây giờ hãy sử dụng toán tử / và lưu kết quả vào ‘new_output’ và nó sẽ hiển thị giá trị ‘inf’. Nhưng chúng tôi muốn lấy giá trị bằng 0 từ mảng có nhiều mảng. Để giải quyết vấn đề này, chúng ta có thể sử dụng np. inf[] và nó sẽ giúp người dùng nhận được các giá trị bằng không
Mã nguồn
import numpy as np
new_arr = np.array[[49,25,36]]
new_arr2 = np.array[[0,0,0]]
new_output = new_arr/new_arr2
new_output[new_output == np.inf] = 0
print["Division by zero:",new_output]
Đây là Đầu ra của đoạn mã đã cho sau
Đọc. Mảng 3d Python NumPy
Python chia mảng numpy theo tỷ lệ
- Trong phần này, chúng ta sẽ thảo luận về cách chia phần tử mảng có nhiều mảng với giá trị tỷ lệ
- Trong ví dụ này, chúng ta sẽ lấy một mảng có tên ‘new_val’ thực hiện phương thức chia cổ tức và giá trị của bộ chia tỷ lệ là 2 biểu thị số chia. Bây giờ chúng ta phải truyền giá trị mảng và vô hướng làm đối số trong numpy. hàm chia []
Mã nguồn
import numpy as np
new_val = np.arange[2,6].reshape[2,2]
result=np.divide[new_val, 2]
print[result]
Đây là việc thực thi đoạn mã đã cho sau đây
Như bạn có thể thấy trong Ảnh chụp màn hình, đầu ra hiển thị mảng mới
Đọc. Python NumPy Split + 11 ví dụ
Python chia mảng numpy theo vectơ
- Trong Chương trình này, chúng ta sẽ thảo luận về cách chia một mảng có nhiều mảng bằng vectơ trong Python
- Để thực hiện tác vụ cụ thể này, chúng ta sẽ sử dụng toán tử / để chia mảng cho vectơ. Đầu tiên, chúng ta sẽ tạo một mảng bằng cách sử dụng lệnh np. array[] và gán giá trị số nguyên. Sau đó khai báo biến ‘new_vector’ và gán giá trị cho biến đó
Thí dụ
import numpy as np
new_val = np.array[[[11,11,11],[25,25,25],[19,19,19]]]
new_vector = np.array[[11,25,19]]
new_result = new_val / new_vector[:,None]
print[new_result]
Đây là Ảnh chụp màn hình của mã đã cho sau
Đọc. Python NumPy Normalize
Python np. chia vs /
- Trong phần này, chúng ta sẽ thảo luận về sự khác biệt giữa phép chia numpy và phép chia / toán tử trong Python
- Trong Python, np. Hàmdivid[] được sử dụng để chia các phần tử của mảng thứ nhất cho các giá trị của mảng thứ hai và hàm này có sẵn trong gói mô-đun numpy và nó nhận hai mảng làm đối số. Trong trường hợp toán tử / nó được sử dụng để chia các số ở bên trái cho giá trị ở bên phải.
- Toán tử / toán hạng và lưu trữ hai mảng numpy trong một biến thứ ba. Trong khi trong trường hợp numpy. hàm split[] luôn trả về cùng kích thước với mảng đầu vào
Thí dụ
import numpy as np
new_val = np.array[[55,66,77]]
new_val2 = np.array[[5,11,7]]
result=np.divide[new_val,new_val2]
print["Division of two array by using divide function:",result]
val_ele = np.array[[36,24,16]]
val_ele2 = np.array[[3,2,4]]
new_output = val_ele/val_ele2
print["Division of arrays by using / operator:",new_output]
Đây là việc thực thi đoạn mã đã cho sau đây
Đọc. Python NumPy max với các ví dụ
Mảng numpy Python chia từng phần tử
- Trong phần này, chúng ta sẽ học cách chia từng phần tử trong mảng NumPy Python
- Ở đây chúng ta có thể sử dụng toán tử / để thực hiện tác vụ cụ thể này. Trong khi sử dụng toán hạng / chúng ta cũng có thể áp dụng [. Không] cho biết sự phân chia phần tử khôn ngoan trên mảng NumPy
- Trong ví dụ sau, chúng ta sẽ chia mảng new_arr/ result. Đầu tiên, chúng ta sẽ nhập một thư viện có nhiều mảng và sau đó tạo một mảng bằng lệnh np. hàm mảng []. Sau đó, chúng ta sẽ tạo một biến ‘kết quả’ cho biết số chia
Mã nguồn
________số 8Bạn có thể tham khảo Ảnh chụp màn hình bên dưới
Như bạn có thể thấy trong Ảnh chụp màn hình, đầu ra hiển thị mảng mới
Đọc. Python NumPy Random [30 Ví dụ]
Python numpy true_divide
- Trong Chương trình này, chúng ta sẽ thảo luận về cách sử dụng hàm numpy true_divide[] trong Python
- Trong Python nếu chúng ta muốn chia 2 mảng numpy có cùng kích thước thì chúng ta có thể dễ dàng sử dụng hàm numpy true_divide[] và phương thức này sẽ giúp người dùng chia các phần tử của mảng thứ 2 cho các phần tử của mảng thứ nhất
- Phương thức này có sẵn trong mô-đun gói NumPy và luôn trả về một phân chia thực sự của phần tử mảng đầu vào
cú pháp
Chúng ta hãy xem Cú pháp và hiểu hoạt động của hàm true_divide[] numpy
numpy.true_divide
[
x1,
x2,
/,
out=None,
*,
where=True,
casting='same_kind',
order='K',
dtype=None,
subok=True
]
- Nó bao gồm một số tham số
- x1. Tham số này cho biết mảng đầu vào có giá trị cổ tức
- x2. Điều này chỉ định mảng chia và nó phải có cùng hình dạng
- ngoài. Đây là một tham số tùy chọn và theo mặc định, nó không nhận giá trị nào và nếu nó không được cung cấp thì không có giá trị nào thì một mảng được cấp phát mới sẽ được trả về
Thí dụ
Hãy lấy một ví dụ và kiểm tra cách sử dụng hàm numpy true_divide[] trong Python
Mã nguồn
import numpy as np
new_val = np.array[[12,24,36]]
new_val2 = np.array[[2,12,4]]
result=np.divide[new_val,new_val2]
print["Division of two arrays:",result]
0Trong chương trình trên, chúng tôi đã lấy hai mảng ‘new_array1‘ và ‘new_array2’ bao gồm các giá trị số nguyên. Sau đó, chúng ta đã chuyển hai mảng có nhiều mảng này làm đối số trong hàm true_divide[] có nhiều mảng. Khi bạn in ‘new_result‘ thì đầu ra sẽ hiển thị mảng mới có cùng hình dạng
Đây là việc triển khai mã đã cho sau đây
Đọc. Hình dạng Python NumPy với các ví dụ
Python np. ví dụ tách
- Trong phần này, chúng ta sẽ tìm hiểu cách chia mảng bằng cách sử dụng numpy. chức năng tách []
- Trong Python, nếu bạn muốn chia mảng thành các mảng con thì bạn có thể dễ dàng sử dụng hàm numpy. hàm split[] cùng với trục. Phương thức này sẽ giúp người dùng trả về danh sách các mảng con dưới dạng các khung nhìn thành một mảng
- Trong Python, chức năng này có sẵn trong gói mô-đun NumPy và điểm quan trọng nhất là chức năng này không trả về trong phép chia bằng nhau
cú pháp
Đây là Cú pháp của numpy. chức năng tách []
import numpy as np
new_val = np.array[[12,24,36]]
new_val2 = np.array[[2,12,4]]
result=np.divide[new_val,new_val2]
print["Division of two arrays:",result]
1- Nó bao gồm một số tham số
- ary. Tham số này cho biết mảng mà chúng ta muốn tách
- chỉ số_hoặc_phần. Điều này chỉ định rằng các phần tử mảng phải là một số nguyên và mảng sẽ được chia thành N mảng bằng nhau dọc theo trục đã chỉ định. Nếu mảng không bằng nhau thì nó sẽ báo lỗi
- trục. Theo mặc định, giá trị của nó là 0 và nó biểu thị trục dọc theo đó để phân chia
Thí dụ
Hãy lấy một ví dụ và hiểu hoạt động của numpy. hàm split[] trong Python
Mã nguồn
import numpy as np
new_val = np.array[[12,24,36]]
new_val2 = np.array[[2,12,4]]
result=np.divide[new_val,new_val2]
print["Division of two arrays:",result]
2Trước tiên, trong đoạn mã trên, chúng tôi đã nhập thư viện numpy và sau đó sử dụng lệnh np. array[] để tạo mảng NumPy. Sau đó, chúng tôi đã khai báo một biến 'kết quả' và gán np. split[] trong đó chúng ta đã truyền mảng cùng với số phân chia = 3 cho biết mảng sẽ được chia thành 3 phần bằng nhau
Đây là việc thực thi đoạn mã đã cho sau đây
Đọc. Mảng NumPy đảo ngược Python
Phân chia ngẫu nhiên Python numpy
Chúng tôi đã đề cập đến chủ đề này trên bài chia sẻ Python NumPy
Python tách chuỗi numpy
- Trong phần này, chúng ta sẽ thảo luận về cách tách chuỗi trong mảng NumPy Python
- Trong Python để tách chuỗi chúng ta có thể dễ dàng sử dụng hàm numpy. than. split[] và phương thức này sẽ trả về một danh sách các từ trong chuỗi đầu vào theo dấu phân cách đã chỉ định
cú pháp
Hãy cùng xem Cú pháp và hiểu hoạt động của numpy. than. chức năng tách []
import numpy as np
new_val = np.array[[12,24,36]]
new_val2 = np.array[[2,12,4]]
result=np.divide[new_val,new_val2]
print["Division of two arrays:",result]
3- Nó bao gồm một vài tham số\
- a. Tham số này chỉ định mảng đầu vào
- tháng chín. Theo mặc định, nó không nhận giá trị nào và dấu phân cách có thể là bất kỳ chuỗi khoảng trắng nào
- chia tối đa. Nếu tham số này không được cung cấp thì theo mặc định, nó sẽ không nhận giá trị nào
Thí dụ
Hãy lấy một ví dụ và kiểm tra cách tách chuỗi trong NumPy Python
Mã nguồn
import numpy as np
new_val = np.array[[12,24,36]]
new_val2 = np.array[[2,12,4]]
result=np.divide[new_val,new_val2]
print["Division of two arrays:",result]
4Trong đoạn mã trên, chúng tôi đã lấy một chuỗi đầu vào có tên 'new_arr'. Sau đó, chúng tôi đã khai báo một biến 'new_result' và gán np. than. split[] và trong phương thức này, chúng ta đã truyền mảng làm đối số. Sau khi bạn in ‘new_arr’ thì đầu ra sẽ hiển thị chuỗi đầu vào bị tách
Đây là Ảnh chụp màn hình của mã đã cho sau
Đọc. Lập chỉ mục Python NumPy – Hướng dẫn chi tiết
Python np. nhật ký chia cho số không
- Trong Chương trình này, chúng ta sẽ thảo luận về cách chia np. hàm log[] bằng 0 trong Python
Thí dụ
import numpy as np
new_val = np.array[[12,24,36]]
new_val2 = np.array[[2,12,4]]
result=np.divide[new_val,new_val2]
print["Division of two arrays:",result]
5Trong Python, logarit[log] bằng 0 không được xác định vì bạn không bao giờ có thể chia log0 bằng cách chia 0
Đây là Ảnh chụp màn hình của mã đã cho sau
Bạn cũng có thể muốn đọc các hướng dẫn liên quan sau đây
- Bộ lọc Python NumPy + 10 ví dụ
- Python NumPy Delete – Hướng dẫn đầy đủ
- Python NumPy Hướng dẫn tối thiểu
- Python NumPy Stack với các ví dụ
Trong hướng dẫn Python này, chúng ta đã học cách chia các phần tử trong mảng NumPy Python. Ngoài ra, chúng tôi đã đề cập đến các chủ đề này
- Python phân chia phần tử khôn ngoan
- Python numpy chia cho số không
- Python chia mảng numpy theo tỷ lệ
- Python chia mảng numpy theo vectơ
- Cột phân chia numpy Python
- Python np. chia vs /
- Mảng numpy Python chia từng phần tử
- Python numpy true_divide
- Python np. ví dụ tách
- Phân chia ngẫu nhiên Python numpy
- Python tách chuỗi numpy
- Python np. nhật ký chia cho số không
Bijay Kumar
Python là một trong những ngôn ngữ phổ biến nhất ở Hoa Kỳ. Tôi đã làm việc với Python trong một thời gian dài và tôi có kinh nghiệm làm việc với nhiều thư viện khác nhau trên Tkinter, Pandas, NumPy, Turtle, Django, Matplotlib, Tensorflow, Scipy, Scikit-Learn, v.v… Tôi có kinh nghiệm làm việc với nhiều khách hàng khác nhau . Kiểm tra hồ sơ của tôi