Python शुरुआती लोगों के लिए NumPy ट्यूटोरियल: उदाहरणों के साथ सीखें

NumPy क्या है? Python?

Numpy एक ओपन सोर्स लाइब्रेरी उपलब्ध है Python, जो गणितीय, वैज्ञानिक, इंजीनियरिंग और डेटा विज्ञान प्रोग्रामिंग में मदद करता है। यह गणितीय और सांख्यिकीय संचालन करने के लिए एक बहुत ही उपयोगी लाइब्रेरी है Pythonयह बहु-आयामी सरणियों और मैट्रिक्स गुणन के लिए पूरी तरह से काम करता है। इसे C/ के साथ एकीकृत करना आसान है।C++ और Fortran.

किसी भी वैज्ञानिक परियोजना के लिए, NumPy जानना ज़रूरी है। इसे N-आयामी सरणी, रैखिक बीजगणित, यादृच्छिक संख्या, फूरियर रूपांतरण आदि के साथ काम करने के लिए बनाया गया है।

NumPy एक प्रोग्रामिंग भाषा है जो बहुआयामी सरणियों और मैट्रिक्स से संबंधित है। सरणियों और मैट्रिक्स के अलावा, NumPy बड़ी संख्या में गणितीय संक्रियाओं का समर्थन करता है। इस भाग में, हम उन आवश्यक फ़ंक्शनों की समीक्षा करेंगे जिन्हें आपको ' पर ट्यूटोरियल के लिए जानना आवश्यक हैTensorFlow'.

NumPy का उपयोग क्यों करें?

NumPy मेमोरी दक्षता है, जिसका अर्थ है कि यह किसी भी अन्य लाइब्रेरी की तुलना में अधिक सुलभ डेटा की विशाल मात्रा को संभाल सकता है। इसके अलावा, NumPy के साथ काम करना बहुत सुविधाजनक है, खासकर मैट्रिक्स गुणन और रीशेपिंग के लिए। इसके अलावा, NumPy तेज़ है। वास्तव में, TensorFlow और Scikit बैक एंड में मैट्रिक्स गुणन की गणना करने के लिए NumPy सरणी का उपयोग करना सीखते हैं।

NumPy कैसे स्थापित करें

NumPy लाइब्रेरी स्थापित करने के लिए, कृपया हमारा ट्यूटोरियल देखें TensorFlow कैसे स्थापित करें.NumPy डिफ़ॉल्ट रूप से Anaconda के साथ स्थापित है।

दूरस्थ मामले में, NumPy स्थापित नहीं है-

आप एनाकोंडा का उपयोग करके NumPy स्थापित कर सकते हैं:

conda install -c anaconda numpy

• In Jupyter नोटबुक :

import sys
!conda install --yes --prefix {sys.prefix} numpy

NumPy आयात करें और संस्करण जांचें

Numpy को आयात करने का आदेश है:

import numpy as np

उपरोक्त कोड Numpy नामस्थान का नाम बदलकर np कर देता है। यह हमें Numpy फ़ंक्शन, विधियों और विशेषताओं के आगे “numpy” टाइप करने के बजाय “np” लगाने की अनुमति देता है। यह मानक शॉर्टकट है जो आपको numpy साहित्य में मिलेगा।

NumPy के अपने स्थापित संस्करण की जांच करने के लिए, नीचे दिए गए आदेश का उपयोग करें:

print (np.__version__)

आउटपुट:

1.18.0

एचएमबी क्या है? Python NumPy सरणी?

NumPy arrays कुछ इस प्रकार हैं Python सूचियाँ, लेकिन फिर भी एक ही समय में बहुत अलग हैं। आप में से जो लोग इस विषय पर नए हैं, उनके लिए आइए स्पष्ट करें कि यह वास्तव में क्या है और यह किस लिए अच्छा है।

जैसा कि नाम से ही पता चलता है, NumPy array numpy लाइब्रेरी की एक केंद्रीय डेटा संरचना है। लाइब्रेरी का नाम असल में “Numeric” का संक्षिप्त रूप है Python” या “संख्यात्मक Python".

एक NumPy सारणी बनाना

Numpy में एक सरणी बनाने का सबसे सरल तरीका उपयोग करना है Python सूची

myPythonList = [1,9,8,3]

ऑब्जेक्ट np.array का उपयोग करके पायथन सूची को numpy array में परिवर्तित करना।

numpy_array_from_list = np.array(myPythonList)

सूची की सामग्री प्रदर्शित करने के लिए

numpy_array_from_list

आउटपुट:

array([1, 9, 8, 3])

व्यवहार में, किसी भी प्रकार की घोषणा करने की आवश्यकता नहीं होती है। Python सूची. ऑपरेशन को संयुक्त किया जा सकता है.

a  = np.array([1,9,8,3])

ध्यान दें: Numpy दस्तावेज़ में सरणी बनाने के लिए np.ndarray का उपयोग करने का उल्लेख है। हालाँकि, यह अनुशंसित विधि है।

आप ट्यूपल से एक numpy array भी बना सकते हैं।

गणितीय Operaएक सरणी पर tions

आप किसी सरणी पर जोड़, घटाव, भाग और गुणा जैसे गणितीय कार्य कर सकते हैं। वाक्यविन्यास सरणी नाम के बाद ऑपरेशन (+.-,*,/) और उसके बाद ऑपरेंड है

उदाहरण:

numpy_array_from_list + 10

आउटपुट:

array([11, 19, 18, 13])

यह ऑपरेशन numpy array के प्रत्येक तत्व में 10 जोड़ता है।

सरणी का आकार

आप ऐरे के नाम से पहले ऑब्जेक्ट शेप से ऐरे के आकार की जांच कर सकते हैं। उसी तरह, आप dtypes से प्रकार की जांच कर सकते हैं।

import numpy as np
a  = np.array([1,2,3])
print(a.shape)
print(a.dtype)

(3,)
int64

पूर्णांक दशमलव रहित मान होता है। यदि आप दशमलव के साथ एक सरणी बनाते हैं, तो प्रकार फ़्लोट में बदल जाएगा।

#### Different type
b  = np.array([1.1,2.0,3.2])
print(b.dtype)

float64

2 आयाम सरणी

आप “,”coma के साथ एक आयाम जोड़ सकते हैं

ध्यान दें कि इसे ब्रैकेट [] के अंदर होना चाहिए

### 2 dimension
c = np.array([(1,2,3),
              (4,5,6)])
print(c.shape)
(2, 3)

3 आयाम सरणी

उच्च आयाम का निर्माण निम्नानुसार किया जा सकता है:

### 3 dimension
d = np.array([
    [[1, 2,3],
        [4, 5, 6]],
    [[7, 8,9],
        [10, 11, 12]]
])
print(d.shape)
(2, 2, 3)

उद्देश्य	कोड
सरणी बनाएं	सरणी([1,2,3])
आकृति प्रिंट करें	सरणी([.]).आकार

numpy.zeros() क्या है?

numpy.zeros () या np.zeros Python numpy.zeros() फ़ंक्शन का उपयोग शून्य से भरा मैट्रिक्स बनाने के लिए किया जाता है। Python इसका उपयोग तब किया जा सकता है जब आप TensorFlow और अन्य सांख्यिकी कार्यों में पहली पुनरावृत्ति के दौरान भार को आरंभ करते हैं।

numpy.zeros() फ़ंक्शन सिंटैक्स

numpy.zeros(shape, dtype=float, order='C')

Python numpy.zeros() पैरामीटर

यहाँ,

• आकार: numpy शून्य सरणी का आकार है
• प्रतिरूप: numpy zeros में डेटाटाइप है। यह वैकल्पिक है। डिफ़ॉल्ट मान float64 है
• व्यवस्था: डिफ़ॉल्ट C है जो numpy.zeros() के लिए एक आवश्यक पंक्ति शैली है Python.

Python numpy.zeros() उदाहरण

import numpy as np
np.zeros((2,2))

आउटपुट:

array([[0., 0.],
          [0., 0.]])

डेटाटाइप के साथ numpy zero का उदाहरण

import numpy as np
np.zeros((2,2), dtype=np.int16)

आउटपुट:

array([[0, 0],
         [0, 0]], dtype=int16)

numpy.ones() क्या है?

np.ones() फ़ंक्शन numpy.ones() का उपयोग एक से भरा मैट्रिक्स बनाने के लिए किया जाता है। Python इसका उपयोग तब किया जा सकता है जब आप TensorFlow और अन्य सांख्यिकी कार्यों में पहली पुनरावृत्ति के दौरान भार को आरंभ करते हैं।

Python numpy.ones() सिंटैक्स

numpy.ones(shape, dtype=float, order='C')

Python numpy.ones() पैरामीटर

यहाँ,

• आकार: np.ones का आकार है Python ऐरे
• प्रतिरूप: numpy में डेटाटाइप है। यह वैकल्पिक है। डिफ़ॉल्ट मान float64 है
• व्यवस्था: डिफ़ॉल्ट C है जो एक आवश्यक पंक्ति शैली है।

Python numpy.ones() डेटाटाइप उदाहरण के साथ 2D सरणी

import numpy as np
np.ones((1,2,3), dtype=np.int16)

आउटपुट:

array([[[1, 1, 1],        
       [1, 1, 1]]], dtype=int16)

numpy.reshape() फ़ंक्शन Python

Python NumPy पुनःआकार फ़ंक्शन का उपयोग किसी सरणी को उसके डेटा को बदले बिना आकार देने के लिए किया जाता है। कुछ अवसरों पर, आपको डेटा को वाइड से लॉन्ग में फिर से आकार देने की आवश्यकता हो सकती है। आप इसके लिए np.reshape फ़ंक्शन का उपयोग कर सकते हैं।

np.reshape() का सिंटैक्स

numpy.reshape(a, newShape, order='C')

यहाँ,

a: वह सारणी जिसे आप पुनः आकार देना चाहते हैं

नया आकार: नई इच्छाएं आकार लेती हैं

व्यवस्था: डिफ़ॉल्ट C है जो एक आवश्यक पंक्ति शैली है।

NumPy रीशेप का उदाहरण

import numpy as np
e  = np.array([(1,2,3), (4,5,6)])
print(e)
e.reshape(3,2)

आउटपुट:

 // Before reshape
[[1 2 3] 
 [4 5 6]]

//After Reshape
array([[1, 2],       
	[3, 4],       
	[5, 6]])

numpy.flatten() में Python

Python NumPy समतल फ़ंक्शन का उपयोग एक-आयाम में सरणी की एक प्रति लौटाने के लिए किया जाता है। जब आप कॉन्वनेट जैसे किसी न्यूरल नेटवर्क से निपटते हैं, तो आपको सरणी को समतल करने की आवश्यकता होती है। इसके लिए आप np.flatten() फ़ंक्शन का उपयोग कर सकते हैं।

np.flatten() का सिंटैक्स

numpy.flatten(order='C')

यहाँ,
व्यवस्था: डिफ़ॉल्ट C है जो एक आवश्यक पंक्ति शैली है।

NumPy फ़्लैटन का उदाहरण

e.flatten()

आउटपुट:

array([1, 2, 3, 4, 5, 6])

numpy.hstack() क्या है? Python?

न्यूम्पी.hstack में एक फ़ंक्शन है Python इसका उपयोग इनपुट एरे के अनुक्रमों को क्षैतिज रूप से स्टैक करने के लिए किया जाता है ताकि एक एकल एरे बनाया जा सके। hstack() फ़ंक्शन के साथ, आप डेटा को क्षैतिज रूप से जोड़ सकते हैं। यह NumPy में एक बहुत ही सुविधाजनक फ़ंक्शन है।

आइये hstack का अध्ययन करें Python एक उदाहरण के साथ:

उदाहरण:

## Horitzontal Stack
import numpy as np
f = np.array([1,2,3])
g = np.array([4,5,6])
print('Horizontal Append:', np.hstack((f, g)))

आउटपुट:

Horizontal Append: [1 2 3 4 5 6]

numpy.vstack() क्या है? Python?

न्यूम्पी.vstack में एक फ़ंक्शन है Python जिसका उपयोग इनपुट एरे के अनुक्रमों को लंबवत रूप से स्टैक करने के लिए किया जाता है ताकि एक एकल एरे बनाया जा सके। vstack() फ़ंक्शन के साथ, आप डेटा को लंबवत रूप से जोड़ सकते हैं।

आइये इसे एक उदाहरण से अध्ययन करें:

उदाहरण:

## Vertical Stack
import numpy as np
f = np.array([1,2,3])
g = np.array([4,5,6])
print('Vertical Append:', np.vstack((f, g)))

आउटपुट:

Vertical Append: [[1 2 3]
 [4 5 6]]

NumPy vstack और hstack का अध्ययन करने के बाद, आइए NumPy में यादृच्छिक संख्याएं उत्पन्न करने का एक उदाहरण सीखें।

यादृच्छिक उत्पन्न करें Numbers NumPy का उपयोग करके

गाऊसी वितरण के लिए यादृच्छिक संख्याएँ उत्पन्न करने के लिए, उपयोग करें:

numpy.random.normal(loc, scale, size)

यहाँ,

• नियंत्रण रेखा: माध्य। वितरण का केंद्र
• स्केल: मानक विचलन।
• आकार: रिटर्न की संख्या

उदाहरण:

## Generate random nmber from normal distribution
normal_array = np.random.normal(5, 0.5, 10)
print(normal_array)			
[5.56171852 4.84233558 4.65392767 4.946659   4.85165567 5.61211317 4.46704244 5.22675736 4.49888936 4.68731125]

यदि प्लॉट किया जाए तो वितरण निम्नलिखित प्लॉट के समान होगा

NumPy Asarray फ़ंक्शन

जब आप किसी इनपुट को ऐरे में बदलना चाहते हैं तो asarray() फ़ंक्शन का उपयोग किया जाता है। इनपुट लिस्ट, टपल, ndarray आदि हो सकता है।

सिंटेक्स:

numpy.asarray(data, dtype=None, order=None)[source]

यहाँ,

तिथि: वह डेटा जिसे आप सारणी में बदलना चाहते हैं

डीटाइप: यह एक वैकल्पिक तर्क है। यदि निर्दिष्ट नहीं किया गया है, तो डेटा प्रकार इनपुट डेटा से अनुमानित किया जाता है

व्यवस्था: डिफ़ॉल्ट C है जो एक आवश्यक पंक्ति शैली है। अन्य विकल्प F (फोर्टन-शैली) है

उदाहरण:

निम्नलिखित 2-डी मैट्रिक्स पर विचार करें जिसमें चार पंक्तियाँ और चार कॉलम 1 से भरे हुए हैं

import numpy as np
A = np.matrix(np.ones((4,4)))

यदि आप मैट्रिक्स का मान बदलना चाहते हैं, तो आप ऐसा नहीं कर सकते। इसका कारण यह है कि कॉपी को बदलना संभव नहीं है।

np.array(A)[2]=2
print(A)			
[[1. 1. 1. 1.]
 [1. 1. 1. 1.] 
 [1. 1. 1. 1.] 
 [1. 1. 1. 1.]]

मैट्रिक्स अपरिवर्तनीय है। यदि आप मूल सरणी में संशोधन जोड़ना चाहते हैं तो आप asarray का उपयोग कर सकते हैं। आइए देखें कि जब आप तीसरी पंक्तियों के मान को 2 के साथ बदलना चाहते हैं तो क्या कोई परिवर्तन होता है।

np.asarray(A)[2]=2
print(A)

कोड स्पष्टीकरण:

np.asarray(A): मैट्रिक्स A को एक सरणी में परिवर्तित करता है

[2]: तीसरी पंक्तियों का चयन करें

आउटपुट:

[[1. 1. 1. 1.] 
      [1. 1. 1. 1.] 
      [2. 2. 2. 2.] # new value 
      [1. 1. 1. 1.]]

numpy.arange() क्या है?

numpy.arange () एक इनबिल्ट numpy फ़ंक्शन है जो एक ndarray ऑब्जेक्ट लौटाता है जिसमें एक निर्धारित अंतराल के भीतर समान रूप से अंतरित मान होते हैं। उदाहरण के लिए, आप 1 से 10 तक मान बनाना चाहते हैं; आप np.arange() का उपयोग कर सकते हैं Python समारोह.

सिंटेक्स:

numpy.arange(start, stop, step, dtype)

Python NumPy व्यवस्था पैरामीटर:

• प्रारंभ: np.arange के लिए अंतराल की शुरुआत Python समारोह.
• रुकेंअंतराल का अंत.
• स्‍टेप: मानों के बीच अंतर। डिफ़ॉल्ट चरण 1 है।
• प्रतिरूप: NumPy सरणी के लिए सरणी आउटपुट का एक प्रकार है Python.

उदाहरण:

import numpy np
np.arange(1, 11)

आउटपुट:

array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10])

उदाहरण:

यदि आप इस NumPy arange फ़ंक्शन में चरण बदलना चाहते हैं Python उदाहरण के लिए, आप कोष्ठक में तीसरी संख्या जोड़ सकते हैं। इससे चरण बदल जाएगा।

import numpy np
np.arange(1, 14, 4)

आउटपुट:

array([ 1,  5,  9, 13])

NumPy लिनस्पेस फ़ंक्शन

लिनस्पेस समान दूरी वाले नमूने देता है।

सिंटेक्स:

numpy.linspace(start, stop, num, endpoint)

यहाँ,

• प्रारंभ: अनुक्रम का प्रारंभिक मान
• रुकें: अनुक्रम का अंतिम मान
• में: उत्पन्न किए जाने वाले नमूनों की संख्या। डिफ़ॉल्ट 50 है
• endpoint: यदि सत्य (डिफ़ॉल्ट) है, तो स्टॉप अंतिम मान है। यदि असत्य है, तो स्टॉप मान शामिल नहीं है।

उदाहरण:

उदाहरण के लिए, इसका उपयोग 10 से 1 तक समान अंतराल वाले 5 मान बनाने के लिए किया जा सकता है।

import numpy as np
np.linspace(1.0, 5.0, num=10)

आउटपुट:

array([1.        , 1.44444444, 1.88888889, 2.33333333, 2.77777778,       3.22222222, 3.66666667, 4.11111111, 4.55555556, 5.        ])

यदि आप अंतराल में अंतिम अंक शामिल नहीं करना चाहते हैं, तो आप समापन बिंदु को गलत पर सेट कर सकते हैं

np.linspace(1.0, 5.0, num=5, endpoint=False)

आउटपुट:

array([1. , 1.8, 2.6, 3.4, 4.2])

लॉगस्पेस NumPy फ़ंक्शन Python

लॉगस्पेस लॉग स्केल पर सम स्थान वाली संख्याएँ लौटाता है। लॉगस्पेस में np.linspace के समान पैरामीटर हैं।

सिंटेक्स:

numpy.logspace(start, stop, num, endpoint)

उदाहरण:

np.logspace(3.0, 4.0, num=4)

आउटपुट:

array([ 1000. ,  2154.43469003,  4641.58883361, 10000.        ])

अंत में, यदि आप किसी सारणी में किसी तत्व का मेमोरी आकार जांचना चाहते हैं, तो आप itemsize का उपयोग कर सकते हैं

x = np.array([1,2,3], dtype=np.complex128)
x.itemsize

आउटपुट:

16

प्रत्येक तत्व 16 बाइट्स लेता है।

इंडेक्सिंग और स्लाइसिंग Python

numpy के साथ डेटा को स्लाइस करना बहुत आसान है। हम मैट्रिस “e” को स्लाइस करेंगे। ध्यान दें कि, Python, आपको पंक्तियों या स्तंभों को वापस करने के लिए कोष्ठक का उपयोग करना होगा
उदाहरण:

## Slice
import numpy as np
e  = np.array([(1,2,3), (4,5,6)])
print(e)
[[1 2 3]
 [4 5 6]]

याद रखें कि numpy में पहला array/column 0 से शुरू होता है।

## First column
print('First row:', e[0])

## Second col
print('Second row:', e[1])

आउटपुट:

First row: [1 2 3]
Second row: [4 5 6]

In Python, कई अन्य भाषाओं की तरह,

• अल्पविराम से पहले के मान पंक्तियों को दर्शाते हैं
• अधिकारों पर अंकित मूल्य स्तंभों के लिए है।
• यदि आप कोई कॉलम चुनना चाहते हैं, तो आपको कॉलम इंडेक्स से पहले : जोड़ना होगा।
• : इसका अर्थ है कि आप चयनित कॉलम की सभी पंक्तियाँ चाहते हैं।

print('Second column:', e[:,1])

Second column: [2 5]

दूसरी पंक्ति के पहले दो मान लौटाने के लिए। आप : का उपयोग दूसरी पंक्ति तक के सभी कॉलम चुनने के लिए करते हैं

## Second Row, two values
  print(e[1, :2])			
  [4 5]

सांख्यिकीय कार्य Python

NumPy में सरणी में दिए गए तत्वों से न्यूनतम, अधिकतम, प्रतिशत मानक विचलन और विचरण आदि खोजने के लिए कुछ उपयोगी सांख्यिकीय फ़ंक्शन हैं। फ़ंक्शन को इस प्रकार समझाया गया है −

Numpy नीचे सूचीबद्ध मजबूत सांख्यिकीय फ़ंक्शन से सुसज्जित है

समारोह	ऊँचा होना
मिन	एनपी.मिन()
मैक्स	एनपी.मैक्स()
मतलब	एनपी.मीन()
मंझला	एनपी.मीडियन()
मानक विचलन	एनपी.एसटीडी()

निम्नलिखित सारणी पर विचार करें:

उदाहरण:

import numpy as np
normal_array = np.random.normal(5, 0.5, 10)
print(normal_array)

आउटपुट:

[5.56171852 4.84233558 4.65392767 4.946659   4.85165567 5.61211317 4.46704244 5.22675736 4.49888936 4.68731125]

NumPy सांख्यिकीय फ़ंक्शन का उदाहरण

### Min 
print(np.min(normal_array))

### Max 
print(np.max(normal_array))

### Mean 
print(np.mean(normal_array))

### Median
print(np.median(normal_array))

### Sd
print(np.std(normal_array))

आउटपुट:

4.467042435266913
5.612113171990201
4.934841002270593
4.846995625786663
0.3875019367395316

नम्पी डॉट उत्पाद क्या है?

Numpy.dot उत्पाद मैट्रिक्स गणना के लिए एक शक्तिशाली लाइब्रेरी है। उदाहरण के लिए, आप np.dot के साथ डॉट उत्पाद की गणना कर सकते हैं। Numpy.dot उत्पाद a और b का डॉट उत्पाद है। numpy.dot() में Python 2D सरणियों को संभालता है और मैट्रिक्स गुणन करता है।

सिंटेक्स:

numpy.dot(x, y, out=None)

पैरामीटर्स

यहाँ,

एक्स, वाई: इनपुट सरणियाँ। np.dot() फ़ंक्शन के काम करने के लिए x और y दोनों 1-D या 2-D होने चाहिए

आउट: यह 1-डी सरणी स्केलर के लिए आउटपुट तर्क है जिसे लौटाया जाना है। अन्यथा ndarray लौटाया जाना चाहिए।

रिटर्न

numpy.dot() फ़ंक्शन Python दो सरणियों x और y का डॉट उत्पाद लौटाता है। dot() फ़ंक्शन एक स्केलर लौटाता है यदि x और y दोनों 1-D हैं; अन्यथा, यह एक सरणी लौटाता है। यदि 'आउट' दिया गया है तो इसे लौटाया जाता है।

उठाता

डॉट उत्पाद Python यदि x का अंतिम आयाम y के दूसरे अंतिम आयाम के समान आकार का नहीं है, तो ValueError अपवाद उत्पन्न होता है।

उदाहरण:

## Linear algebra
### Dot product: product of two arrays
f = np.array([1,2])
g = np.array([4,5])
### 1*4+2*5
np.dot(f, g)

आउटपुट:

14

मैट्रिक्स गुणन Python

Numpy matmul() फ़ंक्शन का उपयोग 2 सरणियों के मैट्रिक्स उत्पाद को वापस करने के लिए किया जाता है। यहाँ बताया गया है कि यह कैसे काम करता है

1) 2-डी सरणियाँ, यह सामान्य उत्पाद लौटाता है

2) आयाम > 2, उत्पाद को मैट्रिक्स के स्टैक के रूप में माना जाता है

3) 1-डी सरणी को पहले मैट्रिक्स में प्रमोट किया जाता है, और फिर उत्पाद की गणना की जाती है

सिंटेक्स:

numpy.matmul(x, y, out=None)

यहाँ,

एक्स, वाई: इनपुट सरणियाँ. स्केलर की अनुमति नहीं है

आउट: यह वैकल्पिक पैरामीटर है। आमतौर पर आउटपुट ndarray में संग्रहीत किया जाता है

उदाहरण:

उसी तरह, आप np.matmul के साथ मैट्रिसेस गुणन की गणना कर सकते हैं

### Matmul: matruc product of two arrays
h = [[1,2],[3,4]] 
i = [[5,6],[7,8]] 
### 1*5+2*7 = 19
np.matmul(h, i)

आउटपुट:

array([[19, 22],       
            [43, 50]])

सिद्ध

अंतिम लेकिन महत्वपूर्ण बात, यदि आपको निर्धारक की गणना करने की आवश्यकता है, तो आप np.linalg.det() का उपयोग कर सकते हैं। ध्यान दें कि numpy आयाम का ध्यान रखता है।

उदाहरण:

## Determinant 2*2 matrix
### 5*8-7*6np.linalg.det(i)

आउटपुट:

-2.000000000000005

सारांश

• Python एक ओपन सोर्स लाइब्रेरी उपलब्ध है Python, जो गणितीय, वैज्ञानिक, इंजीनियरिंग और में मदद करता है डेटा विज्ञान प्रोग्रामिंग.
• numpy.zeros() या np.zeros Python फ़ंक्शन का उपयोग शून्य से भरा मैट्रिक्स बनाने के लिए किया जाता है।
• numpy.ones() में Python इसका उपयोग तब किया जा सकता है जब आप TensorFlow और अन्य सांख्यिकी कार्यों में पहली पुनरावृत्ति के दौरान भार को आरंभ करते हैं।
• Python NumPy Reshape फ़ंक्शन का उपयोग किसी सारणी को उसके डेटा में परिवर्तन किए बिना आकार देने के लिए किया जाता है।
• Python NumPy फ़्लैटन फ़ंक्शन का उपयोग एक-आयाम में सरणी की प्रतिलिपि लौटाने के लिए किया जाता है।
• Numpy.hstack एक फ़ंक्शन है Python इसका उपयोग एकल सारणी बनाने के लिए इनपुट सारणी के अनुक्रमों को क्षैतिज रूप से स्टैक करने के लिए किया जाता है।
• Numpy.vstack एक फ़ंक्शन है Python जिसका उपयोग एकल सारणी बनाने के लिए इनपुट सारणी के अनुक्रमों को लंबवत रूप से स्टैक करने के लिए किया जाता है।
• numpy.arange() एक इनबिल्ट numpy फ़ंक्शन है जो एक ndarray ऑब्जेक्ट लौटाता है जिसमें एक निर्धारित अंतराल के भीतर समान रूप से अंतरित मान होते हैं।
• Numpy.dot उत्पाद मैट्रिक्स गणना के लिए एक शक्तिशाली लाइब्रेरी है।
• Numpy matmul() फ़ंक्शन का उपयोग 2 सरणियों के मैट्रिक्स उत्पाद को वापस करने के लिए किया जाता है।