Sqrt numpy

Numpy SQRT representa la función del script de Python que se utiliza para tomar la raíz cuadrada de los elementos. Numpy se conoce como una biblioteca en el lenguaje de Python que se construyó para trabajar con las matrices ND y también para la manipulación de matrices y matrices con la operación matemática como las operaciones de matriz, las operaciones aritméticas, las operaciones estadísticas y el álgebra lineal para implementar estas funciones sobre estas funciones sobre las matrices. La función Numpy SQRT toma en el elemento único o en las matrices/matrices multidimensionales y aplica la raíz cuadrada en cada elemento de la matriz y devuelve el valor de raíz cuadrada de cada elemento en el mismo orden que se dio en la matriz.

Procedimiento:

El procedimiento del artículo cubre todos los conceptos principales que se pueden requerir para que cualquier principiante comprenda completamente el concepto con respecto a la función Numpy SQRT. Inicialmente, los parámetros para la función de la función del Numpy SQRT se discutirán en el lenguaje de Python y luego implementamos los diversos ejemplos que se ocupan de los diferentes escenarios de la función Numpy SQRT. Para trabajar prácticamente con esta función, utilizaremos los compiladores de Python con la biblioteca Numpy instalada en ellos. El siguiente es el proceso paso a paso para la función Numpy SQRT.

Sintaxis:

Antes de implementar o llamar a cualquier función en nuestro código, primero debemos conocer sus parámetros de entrada que toma la función y devuelve la salida deseada. Por lo tanto, ahora exploramos el método para llamar a la función Numpy SQRT. Esta función tiene la siguiente sintaxis que tiene los parámetros que se mencionan en lo siguiente:

$ Numpy. sqrt ()

El primer parámetro de la función es la "matriz de entrada" cuya raíz cuadrada queremos determinar. El segundo parámetro es el "fuera" que representa la matriz ND donde queremos almacenar los resultados que se devuelven después de tomar la raíz cuadrada de la matriz de entrada. Aquí, tenemos que ser cautelosos de que la forma y las dimensiones de esta matriz deben ser las mismas que la matriz de entrada y este parámetro no es una compulsión, es opcional. El último parámetro es el "retorno". El regreso es una matriz ND que tiene la raíz cuadrada de la matriz de entrada. Después de conocer la sintaxis en detalle para la función Numpy SQRT, ahora implementamos esta sintaxis e intentamos llamar a esta función para diferentes ejemplos en el código de Python.

Ejemplo 1:

La función de matriz numpy es la función más simple que se utilizará, pero aún así, tratamos de implementar esto con el ejemplo más simple, y luego aumentamos gradualmente el nivel de dificultad en los próximos ejemplos próximos. Para comenzar el ejemplo, primero creamos un proyecto con el nombre "SQRT" en el compilador de Python. Después de crear un nuevo proyecto, ahora importamos las bibliotecas importantes. Una de las bibliotecas más importantes que se ocupa de las matrices ND es la "Numpy". Al importar esta biblioteca, puede haber diferentes maneras. Podemos importar esta biblioteca como Numpy o podemos darle un prefijo o apodo como "NP" para llamarla con la función en el código más adelante. El método convencional para importar Numpy es usar el prefijo "NP" para que también nos llevemos a cabo con este método.

Con los pasos anteriores realizados con éxito, ahora inicializamos una matriz que pasamos a la función de la raíz cuadrada para calcular la raíz cuadrada de sus elementos. Declaramos e inicializamos la matriz usando el "NP. método array () "y los elementos que damos a esta matriz son" [4, 9, 16, 25] ". Para calcular la raíz cuadrada, llamamos al "NP. función sqrt () "y pasar esta función a la matriz que creamos. Almacenamos los resultados de la función "sqrt" en otra matriz que tiene las dimensiones iguales a la matriz de entrada como "raíz cuadrada". Y luego, mostramos la raíz cuadrada con la ayuda del método print (). Podemos usar el siguiente código que está escrito en el script de Python y verificar los resultados:

importar numpy como np
# declarar una matriz con números reales positivos
matriz = np.Array ([4, 9, 16, 25])
# Calcular la raíz cuadrada de una matriz
Squareroot = NP.SQRT (matriz)
Imprimir ("Squareroot of Array:", raíz cuadrada)

Los resultados del ejemplo salieron a ser otra matriz que tiene los elementos que son la raíz cuadrada de la matriz de entrada como "[2, 3, 4, 5]". Esto nos lleva a la conclusión de que aprendimos con éxito a usar la función de raíz cuadrada numpy.

Ejemplo 2:

El ejemplo anterior tiene los números reales positivos. Entonces, calculamos su raíz cuadrada. Pero en este ejemplo, tratamos con números complejos. Inicializamos una matriz con los números complejos y luego tomamos la raíz cuadrada de esos números complejos. Comenzamos creando un nuevo proyecto e importamos la biblioteca Numpy con la convención que discutimos en el primer ejemplo.

Después de esto, inicializamos una matriz unidimensional llamando al "NP.método array () "con sus elementos como números complejos como" [4 + 25J, 9 + 16J, - 5 - 8J] ". Calculamos la raíz cuadrada de estos números complejos pasando estos números a los parámetros del "NP. función sqrt () "y muestra los resultados. El siguiente es el código de Python que podemos ejecutar en nuestros compiladores para ver si esta función funciona para números complejos o no:

importar numpy como np
# declarar una matriz con números complejos
matriz = np.Array ([4 + 25J, 9 + 16J, - 5 - 8J])
# Calcular la raíz cuadrada de una matriz
Squareroot = NP.SQRT (matriz)
Imprimir ("Squareroot of Array:", raíz cuadrada)

Ejecutamos el código permeable y guardamos los resultados del código en la variable "Squareroot". La figura anterior muestra la salida del código que es la raíz cuadrada de los números complejos que hemos dado en la matriz de entrada.

Conclusión

El artículo arroja luz sobre el concepto de Numpy.función sqrt (). Aprendimos y discutimos la introducción y la sintaxis de esta función en este artículo para obtener un buen control sobre este concepto. Y luego, para probar nuestro conocimiento, ejecutamos dos ejemplos en los que tuvimos que definir las dos matrices que tienen los números reales y complejos como sus elementos y luego calculamos sus raíces cuadradas. Esperamos que este artículo lo ayude a eliminar sus ambigüedades sobre el uso de Numpy.función sqrt ().