Ladrilho Numpy

O Python é fácil de usar e iniciantes em linguagem de programação de alto nível. Dá uma variedade de funções aos desenvolvedores. Além disso, muitas funções e métodos internos permitem que os usuários projetem e desenvolvam código simples e fácil de entender. As bibliotecas Python são muito simples e fornecem muitas funcionalidades que ajudam o usuário a desenvolver o código.

Uma das bibliotecas Python oferece uma função de ladrilhos numpy para trabalhar com matrizes. Este artigo cobre os detalhes de como o ladrilho Numpy funciona e o que faz. Forneceremos uma revisão rápida do ladrilho Numpy e explicaremos brevemente sua sintaxe e, finalmente, fornecemos alguns exemplos para ajudá -lo a entender a função do ladrilho Numpy.

O que é Numpy Tile?

Antes de discutir o azulejo Numpy, vamos primeiro discutir o Numpy é uma biblioteca Python e um pacote fundamental que oferece rotinas de álgebra linear, geradores de números aleatórios, funções matemáticas abrangentes, transformação de Fourier, computação científica, manipulação de dados e muitas outras funções.

Além disso, a biblioteca Numpy fornece matrizes usadas para armazenar, organizar e manipular números. Muitas funções numpy são usadas em matrizes para manipular matrizes numpy, e uma delas é uma azulejos numpy.

O ladrilho Numpy na linguagem de programação Python fornece a instalação para repetir uma matriz várias vezes, quantas vezes quiser.

Numpy Tile in Python é uma função que cria uma nova matriz replicando uma matriz de entrada. Pense em um piso de azulejo; O mesmo ladrilho é repetido várias vezes para cobrir o piso inteiro. A função de ladrilho Numpy permite ao usuário selecionar uma matriz e repeti -la quantas vezes quiser.

Por exemplo, digamos que temos uma matriz [1, 2, 3, 4], aplique a função Numpy Tile como NP.telha ([1, 2, 3, 4], 2), duplicará a matriz duas vezes e retornará uma nova matriz.

Sintaxe do azulejo Numpy

O Numpy sempre retorna a matriz, mesmo se você fornecer uma lista. Portanto, depois de executar a função Numpy Tile, uma nova matriz é devolvida. A sintaxe do azulejo Numpy é a seguinte:

# np.telha (matriz, repetição)

O 'Array' representa a matriz de entrada na qual a função de ladrilho deve ser aplicada. A 'repetição' representa o número de quantas vezes a matriz de entrada deve ser repetida. Vamos entender isso com a demonstração de exemplos.

Como a função Numpy Tile funciona em Python?

A função do azulejo Numpy é muito simples. Primeiro, instale qualquer intérprete Python em seu sistema, por exemplo, Spyder. Em seguida, instale o Numpy usando o comando pip; por exemplo, !pip install numpy. Depois que a biblioteca Numpy é instalada, suas funções e métodos podem ser facilmente incorporados aos programas Python.

Abaixo, apresentamos alguns exemplos para ajudá -lo a entender melhor a função de ladrilho Numpy.

Exemplo 1:

Neste exemplo, simplesmente usamos uma matriz unidimensional e aplicamos a função de ladrilho Numpy. Em seguida, simplesmente importamos uma função Numpy como NP, então usamos uma matriz composta por quatro valores e depois aplicamos a função de ladrilho Numpy nele.

importar numpy como np
Array = [1, 2, 3, 4]
print ("A matriz é =", matriz)
rep = 3
Print ("\ nRepeat the Array 3 vezes =", np.telha (array, rep))
rep = 4
Print ("\ nRepeating Array 4 vezes =", NP.telha (array, rep))

Como você pode observar, a primeira saída apresenta as três repetições porque o número repetido fornecido é 3 enquanto a segunda saída tem a repetição quatro vezes porque o número de repetição fornecido é 4. Aqui está a saída do código dado acima.

Exemplo 2:

Aqui está outro exemplo para demonstrar a função do ladrilho Numpy. Neste exemplo, simplesmente importamos o Numpy como NP e depois usamos uma matriz com o valor de 0 eixo. Depois disso, atribuímos a repetição número 3 para que a matriz seja repetida 3 vezes.

importar numpy como np
Array = np.Array ([0, 1, 2])
print ("A matriz é =", matriz)
x = np.telha (array, 3)
print ("A matriz após a aplicação da função de ladrilho é =", x)

Aqui está a saída do código acima:

Exemplo 3:

Neste exemplo, explicaremos que a repetição da matriz de entrada pode ser mais do que as dimensões da matriz de entrada. Então, primeiro, importaremos a função Numpy como NP, depois declaramos a matriz com 4 valores e fornecemos o valor da repetição mais do que a dimensão da matriz.

Vamos ver o código primeiro, e então explicaremos melhor. Aqui está o código:

importar numpy como np
Array = np.Array ([0, 1, 2, 3])
print ("A matriz é =", matriz)
print ("A matriz após a aplicação da função de ladrilho é =")
x = np.telha (matriz, representantes = (3, 3))
impressão (x)

Como você pode observar, o valor da repetição é (3, 3), o que significa que, primeiro, os valores da matriz são repetidos três vezes, depois a matriz resultante é duplicada três vezes. Vamos ver a saída para que possamos visualizar o resultado e entendê -lo melhor.

Exemplo 4:

No exemplo anterior, demonstramos que o número de repetição pode ser maior que a dimensão da matriz de entrada. Neste exemplo, explicaremos que o número de repetições pode ser menor que as dimensões da matriz de entrada.

Aqui, simplesmente importamos o Numpy como NP e depois declaramos uma matriz de entrada bidimensional com 2 números em cada dimensão. Aqui está o código do exemplo:

importar numpy como np
Array = np.Array ([[2, 3], [4, 5]]))
print ("A matriz é =", matriz)
print ("A matriz após a aplicação da função de ladrilho é =")
x = np.telha (matriz, representantes = 3)
impressão (x)

Como você pode observar, a matriz de entrada é bidimensional e o número de repetição é 3. Neste exemplo, cada valor da matriz é repetido 3 vezes, mas o número de dimensões permanece o mesmo. Aqui está a saída do código fornecido acima:

Conclusão

Neste artigo, aprendemos sobre a função Numpy Tile. Numpy Library fornece várias funções em matrizes e uma das quais é a função de ladrilho. A função de ladrilho Numpy permite ao usuário repetir a matriz de entrada quantas vezes for necessária. Com a ajuda de vários exemplos, explicamos o uso da função Numpy Tile para fazer você entender a função de uma maneira melhor.