Hàm trừ Numpy là một phần của phép toán số học numpy. Có các toán tử số học cơ bản có sẵn trong mô-đun numpy, đó là cộng, trừ, nhân và chia. Ý nghĩa của phép trừ trong python tương đương với phép trừ trong toán học
nội dung
- Hàm trừ Numpy làm gì?
- Cú pháp của phép trừ Numpy
- Các tham số của Numpy Subtract
- Giá trị trả về của phép trừ Numpy
- Ví dụ về chức năng trừ Numpy
- ví dụ 1. Sử dụng Np. Phép trừ [] Hàm Để trừ hai số
- Giải trình
- ví dụ 2. Sử dụng Np. Subtract[] Hàm tìm sự khác biệt giữa hai mảng đầu vào
- Giải trình
- ví dụ 3. Sử dụng Np. Hàm Subtract[] để tìm sự khác biệt giữa hai mảng nhiều chiều
- Giải trình
- Chúng ta có thể tìm thấy sự khác biệt giữa hai mảng Numpy với các hình dạng khác nhau không?
- Giải trình
- Cái gì tiếp theo?
- Phần kết luận
Hàm trừ Numpy làm gì?
Hàm trừ numpy tính toán sự khác biệt giữa hai mảng numpy. Nó tính toán sự khác biệt giữa hai mảng, giả sử x1 và x2, theo từng phần tử. các numpy. phép trừ [] là một chức năng phổ quát, tôi. e. , hỗ trợ một số tham số cho phép bạn tối ưu hóa công việc của nó tùy thuộc vào chi tiết cụ thể của thuật toán
Cú pháp của phép trừ Numpy
numpy.subtract[a1, a2, /, out=None, *, where=True, casting=’same_kind’, order=’K’, dtype=None, subok=True[, signature, extobj], ufunc ‘subtract’]Các tham số của Numpy Subtract
Tham sốBắt buộc hoặc Không phải là1Bắt buộc a2Bắt buộc/Không bắt buộcngoàiKhông bắt buộc*Không bắt buộcnơiKhông bắt buộcTruyềnKhông bắt buộcĐặt hàngKhông bắt buộcdtypeKhông bắt buộcsubokKhông bắt buộckhông bắt buộcKhông bắt buộcKhông bắt buộc- a1. [arrayLike]
Mảng đầu vào đầu tiên để tính chênh lệch. - a2. [arrayLike]
Mảng đầu vào thứ 2 để tính chênh lệch. - ra. [ndarray, Không có hoặc bộ ndarray và Không, tùy chọn]
out sẽ là vị trí lưu trữ kết quả. có hình dạng mà các đầu vào phát tới. Nếu không được cung cấp hoặc Không có, một mảng mới được phân bổ sẽ được trả về. - ở đâu. [array_like, tùy chọn]
Nếu giá trị của where là true thì nó biểu thị để tính toán giá trị không tồn tại ở vị trí đó, trong khi nếu giá trị sai thì nó biểu thị chỉ để lại giá trị ở đầu ra.
Giá trị trả về của phép trừ Numpy
Hàm trừ Numpy trả về chênh lệch giữa a1 và a2. Hàm phép trừ [] có thể là vô hướng của mảng thứ cấp. Nó phụ thuộc vào a1 và a2. Nếu a1 và a2 là vô hướng, hơn numpy. phép trừ[] sẽ trả về một giá trị vô hướng. Khác nó sẽ trả về một mảng thứ
Ghi chú. Đầu vào a1 và a2 phải được phát thành một hình dạng chung [trở thành hình dạng của đầu ra]
Ví dụ về chức năng trừ Numpy
Hãy xem qua các ví dụ về hàm Numpytrừ[] và xem nó hoạt động như thế nào
ví dụ 1. Sử dụng Np. Phép trừ [] Hàm Để trừ hai số
import numpy as np a1 = 24 a2 = 13 print ["1st Input number : ", a1] print ["2nd Input number : ", a2] dif = np.subtract[a1, a2] print ["Difference of two input number : ", dif]
đầu ra
1st Input number : 24
2nd Input number : 13
Difference of two input number : 11Giải trình
Trong ví dụ đầu tiên đơn giản này, chúng ta chỉ cần trừ hai số và nhận được kết quả. Hãy xem xét từng bước và biết điều gì xảy ra trong từng giai đoạn. Trước hết, chúng tôi đã nhập mô-đun numpy dưới dạng np, điều đó là hiển nhiên vì chúng tôi đang làm việc trên thư viện numpy. Sau đó, chúng tôi đã lấy hai đầu vào được xác định trước '24', '13' và lưu chúng vào các biến 'a1', 'a2' tương ứng. Chúng tôi đã in đầu vào của mình để kiểm tra xem chúng có được chỉ định đúng hay không. Sau đó, phần chính đến nơi chúng ta sẽ tìm thấy sự khác biệt giữa hai số
Dưới đây với sự giúp đỡ của np. phép trừ [], chúng tôi sẽ tính toán sự khác biệt giữa a1 và a2. Phép toán trừ này giống hệt với những gì chúng ta làm trong toán học
Vậy ta sẽ được hiệu giữa số 24 và 13 là 11
ví dụ 2. Sử dụng Np. Subtract[] Hàm tìm sự khác biệt giữa hai mảng đầu vào
import numpy as np a1 = [20, 21, 5, 9] a2 = [13, 17, 6, 11] print ["1st Input array : ", a1] print ["2nd Input array : ", a2] dif = np.subtract[a1, a2] print ["Difference of two input arrays : ", dif]
đầu ra
1st Input array : [20, 21, 5, 9] 2nd Input array : [13, 17, 6, 11] Difference of two input arrays : [ 7 4 -1 -2]
Giải trình
Từ ví dụ này, mọi thứ trở nên phức tạp hơn một chút với Lil; .
Bây giờ chúng ta có thể thấy chúng ta có hai mảng đầu vào a1 & a2 với đầu vào mảng [20, 21, 5, 9] và [13, 17, 6, 11], tương ứng. các numpy. hàmtrừ [] sẽ tìm thấy sự khác biệt giữa các đối số mảng a1 & a2, phần tử khôn ngoan.
Vì vậy, giải pháp sẽ là một mảng có hình dạng bằng các mảng đầu vào a1 và a2. Sự khác biệt giữa a1 và a2 sẽ được tính toán song song và kết quả sẽ được lưu trữ trong biến dif
ví dụ 3. Sử dụng Np. Hàm Subtract[] để tìm sự khác biệt giữa hai mảng nhiều chiều
import numpy as np a1 = [[20, 21, 5], [-9, 11, 1]] a2 = [[13, 17, 6], [1, -8, 7]] print ["1st Input array : ", a1] print ["2nd Input array : ", a2] dif = np.subtract[a1, a2] print ["Difference of two input arrays : ", dif]
đầu ra
1st Input array : [[20, 21, 5], [-9, 11, 1]]
2nd Input array : [[13, 17, 6], [1, -8, 7]]
Difference of two input arrays : [[ 7 4 -1]
[-10 19 -6]]Giải trình
Ví dụ thứ ba trong hướng dẫn numpytrừ[] này hơi giống với ví dụ thứ hai mà chúng ta đã trải qua. Những gì chúng ta đã làm ở đây trong ví dụ này là thay vì mảng có nhiều mảng đơn giản, chúng ta đã sử dụng một mảng nhiều chiều trong cả hai giá trị đầu vào a1 và a2
Đảm bảo cả hai mảng đầu vào phải có cùng kích thước và hình dạng giống nhau. các numpy. hàmtrừ [] sẽ tìm thấy sự khác biệt giữa các đối số mảng, phần tử khôn ngoan
Chúng ta có thể tìm thấy sự khác biệt giữa hai mảng Numpy với các hình dạng khác nhau không?
Nói một cách đơn giản, Không, chúng tôi không thể tìm thấy sự khác biệt hoặc sử dụng hàm trừ numpy trong hai mảng numpy có hình dạng khác nhau
Hãy xem qua một ví dụ,
import numpy as np a1 = [[20, 21, 5], [-9, 11, 1]] a2 = [[7, 13, 17, 6], [1, -8, 7]] print ["1st Input array : ", a1] print ["2nd Input array : ", a2] dif = np.subtract[a1, a2] print ["Difference of two input arrays : ", dif]
đầu ra
________số 8Giải trình
Nếu hình dạng của hai mảng có nhiều mảng khác nhau thì chúng ta sẽ gặp lỗi giá trị. Lỗi giá trị sẽ nói một cái gì đó như ví dụ
ValueError: operands could not be broadcast together with shapes [2,3] [2,]
Ở đây trong ví dụ này, chúng tôi gặp lỗi giá trị vì mảng đầu vào a2 có hình dạng khác với mảng đầu vào a1. Để có được sự khác biệt mà không có bất kỳ lỗi giá trị nào, hãy đảm bảo kiểm tra hình dạng của mảng
Cái gì tiếp theo?
NumPy rất mạnh mẽ và cực kỳ cần thiết cho khoa học thông tin trong Python. Điều đó đúng, nếu bạn quan tâm đến khoa học dữ liệu trong Python, bạn thực sự nên tìm hiểu thêm về Python
Bạn có thể thích các hướng dẫn sau đây của chúng tôi về numpy
- Numpy có nghĩa là. Thực hiện và tầm quan trọng
- Sử dụng chức năng ngẫu nhiên Numpy để tạo dữ liệu ngẫu nhiên
- Định hình lại NumPy. Định hình lại mảng một cách dễ dàng
- Giải thích chuyên sâu về np. power[] với các ví dụ
- Hàm NumPy Clip
Phần kết luận
numpytrừ[] là một chức năng hấp dẫn và thiết yếu có sẵn trong mô-đun numpy, có thể rất hữu ích và được nhiều chuyên gia khuyên dùng khi tìm sự khác biệt giữa các tập dữ liệu rất lớn
Nếu bạn còn bất kỳ thắc mắc nào liên quan đến hàm trừ NumPy. Để lại câu hỏi của bạn trong các ý kiến dưới đây