Numpy Sqrt

Numpy Sqrt representa a função do script python que é usado para pegar a raiz quadrada dos elementos. Numpy é conhecido como uma biblioteca na linguagem Python que foi construída para trabalhar com os ND-Terrays e também para a manipulação de matrizes e matrizes com a operação matemática, como operações de matriz, operações aritméticas, operações estatísticas e álgebra linear para implementar essas funções sobre as matrizes. A função Numpy SQRT leva o elemento único ou as matrizes/matrizes multidimensionais e aplica a raiz quadrada em cada elemento da matriz e retorna o valor da raiz quadrada de cada elemento na mesma ordem que foi dada na matriz.

Procedimento:

O procedimento do artigo abrange todos os principais conceitos que podem ser necessários para qualquer iniciante entender completamente o conceito sobre a função Numpy SQRT. Inicialmente, os parâmetros para o chamado de função do Numpy SQRT serão discutidos na linguagem Python e, em seguida, implementamos os vários exemplos que lidam com os diferentes cenários da função Numpy SQRT. Para trabalhar praticamente com esta função, usaremos os compiladores Python com a biblioteca Numpy instalada neles. A seguir, o processo passo a passo para a função Numpy SQRT.

Sintaxe:

Antes de implementar ou chamar qualquer função em nosso código, precisamos primeiro conhecer seus parâmetros de entrada que a função leva e retorna a saída desejada. Portanto, agora exploramos o método para chamar a função Numpy SQRT. Esta função possui a seguinte sintaxe com os parâmetros mencionados no seguinte:

$ Numpy. sqrt ()

O primeiro parâmetro da função é a "matriz de entrada" cuja raiz quadrada queremos determinar. O segundo parâmetro é o "Out", que representa o ND-Array, onde queremos armazenar os resultados que são retornados depois que pegamos a raiz quadrada da matriz de entrada. Aqui, temos que ter cautelos. O último parâmetro é o "retorno". O retorno é uma matriz nd que tem a raiz quadrada da matriz de entrada. Depois de conhecer a sintaxe em detalhes para a função Numpy SQRT, agora implementamos essa sintaxe e tentamos chamar essa função para diferentes exemplos no código Python.

Exemplo 1:

A função Numpy Array é a função mais simples a ser usada, mas ainda assim, tentamos implementar isso com o exemplo mais simples e, em seguida, aumentamos gradualmente o nível de dificuldade nos próximos exemplos futuros. Para começar o exemplo, primeiro criamos um projeto com o nome "SQRT" no compilador Python. Depois de criar um novo projeto, agora importamos as bibliotecas importantes. Uma das bibliotecas mais importantes que lida com o ND-Arrays é o "Numpy". Ao importar esta biblioteca, pode haver maneiras diferentes. Podemos importar esta biblioteca como Numpy ou podemos dar um prefixo ou apelido como "np" para chamá -lo com a função no código posteriormente. O método convencional para importar numpy é usar o prefixo "np", por isso também nos damos bem com este método.

Com as etapas anteriores sendo feitas com sucesso, agora inicializamos uma matriz que passamos para a função raiz quadrada para calcular a raiz quadrada de seus elementos. Declaramos e inicializamos a matriz usando o “NP. Método Array () ”e os elementos que damos a esta matriz são“ [4, 9, 16, 25] ”. Para calcular a raiz quadrada, chamamos o “np. Sqrt () ”função e passa essa função para a matriz que criamos. Armazenamos os resultados da função "SQRT" em outra matriz, com as dimensões iguais à matriz de entrada como "raiz quadrada". E então, exibimos a raiz quadrada com a ajuda do método print (). Podemos usar o seguinte código que está escrito no script Python e verificar os resultados:

importar numpy como np
# declarando uma matriz com números reais positivos
Array = np.Array ([4, 9, 16, 25])
# calculando a raiz quadrada de uma matriz
squareroot = np.SQRT (Array)
Print ("Squareroot of Array:", Raiz quadrada)

Os resultados do exemplo surgiram para ser outra matriz tendo os elementos que são a raiz quadrada da matriz de entrada como “[2, 3, 4, 5]” ”. Isso nos leva à conclusão de que aprendemos com sucesso a usar a função raiz quadrada Numpy.

Exemplo 2:

O exemplo anterior tem os números reais positivos. Então, calculamos a raiz quadrada deles. Mas neste exemplo, lidamos com números complexos. Inicializamos uma matriz com os números complexos e depois pegamos a raiz quadrada desses números complexos. Começamos criando um novo projeto e importamos a biblioteca Numpy com a convenção que discutimos no primeiro exemplo.

Depois disso, inicializamos uma matriz unidimensional chamando o “NP.Método Array () ”com seus elementos como números complexos como“ [4 + 25J, 9 + 16J, - 5 - 8J] ”. Nós calculamos a raiz quadrada desses números complexos passando esses números para os parâmetros do “np. SQRT () ”função e exiba os resultados. A seguir, é apresentado o código Python que podemos executar em nossos compiladores para ver se essa função funciona para números complexos ou não:

importar numpy como np
# declarando uma matriz com números complexos
Array = np.Array ([4 + 25J, 9 + 16J, - 5 - 8J])
# calculando a raiz quadrada de uma matriz
squareroot = np.SQRT (Array)
Print ("Squareroot of Array:", Raiz quadrada)

Executamos o código permeável e salvamos os resultados do código na variável "Squareroot". A figura anterior mostra a saída do código que é a raiz quadrada dos números complexos que demos na matriz de entrada.

Conclusão

O artigo lança luz sobre o conceito de Numpy.função sqrt (). Aprendemos e discutimos a introdução e a sintaxe desta função neste artigo para obter uma boa aderência sobre este conceito. E então, para testar nosso conhecimento, executamos dois exemplos em que tivemos que definir as duas matrizes com os números reais e complexos como seus elementos e depois calculamos suas raízes quadradas. Esperamos que este artigo o ajude a limpar suas ambiguidades no uso de Numpy.função sqrt ().