Die Funktion numpy.sqrt(array[, out]) wird verwendet, um die positive Quadratwurzel eines Arrays elementweise zu bestimmen.
Syntax: numpy.sqrt() Parameter: Array: [array_like] Eingabewerte, deren Quadratwurzeln bestimmt werden müssen. aus : [ndarray, optional] Alternatives Array-Objekt, in das das Ergebnis eingefügt werden soll; Falls vorhanden, muss es die gleiche Form haben wie arr . Kehrt zurück : [ndarray] Gibt die Quadratwurzel der Zahl in einem Array zurück.
Code Nr. 1:
Python3
# Python program explaining> # numpy.sqrt() method> # importing numpy> import> numpy as geek> # applying sqrt() method on integer numbers> arr1>=> geek.sqrt([>1>,>4>,>9>,>16>])> arr2>=> geek.sqrt([>6>,>10>,>18>])> print>('square>->root of an array1 : ', arr1)> print>('square>->root of an array2 : ', arr2)> |
>
Terminal Kali Linux
>
Code Nr. 2:
Python3
# Python program explaining> # numpy.sqrt() method> # importing numpy> import> numpy as geek> # applying sqrt() method on complex numbers> arr>=> geek.sqrt([>4>,>->1>,>->5> +> 9J>])> print>('square>->root of an array : ', arr)> |
>
>
Code Nr. 3:
Java konvertiert int in einen String
Python3
# Python program explaining> # numpy.sqrt() method> # importing numpy> import> numpy as geek> # applying sqrt() method on negative element of real numbers> arr>=> geek.sqrt([>->4>,>5>,>->6>])> print>('square>->root of an array : ', arr)> |
>
>
Hier ist ein Beispielcode für numpy.sqrt() in Python:
Python3
import> numpy as np> # Create a numpy array> arr>=> np.array([>1>,>4>,>9>,>16>,>25>])> # Calculate the square root of each element in the array> sqrt_arr>=> np.sqrt(arr)> # Print the resulting array> print>(sqrt_arr)> |
>
>
Ausgabe:
[1. 2. 3. 4. 5.]
Vorteile:
Die Funktion numpy.sqrt() ist eine schnelle und effiziente Möglichkeit, die Quadratwurzel eines Arrays oder eines einzelnen Werts in Python zu berechnen.
Die Funktion numpy.sqrt() ist für viele mathematische Berechnungen und wissenschaftliche Anwendungen nützlich, beispielsweise für die Berechnung von Abständen, Geschwindigkeiten und Beschleunigungen in der Physik.
Nachteile:
- Die Funktion numpy.sqrt() ist möglicherweise nicht präzise genug für bestimmte wissenschaftliche Anwendungen, die ein hohes Maß an Präzision erfordern.
- Die Funktion numpy.sqrt() ist möglicherweise nicht für alle Datentypen geeignet, z. B. negative oder komplexe Zahlen.
Wichtige Punkte:
- Die Funktion numpy.sqrt() gibt die Quadratwurzel eines Arrays oder eines einzelnen Werts zurück.
- Die Funktion numpy.sqrt() kann sowohl für reelle als auch für komplexe Zahlen verwendet werden.
- Die Funktion numpy.sqrt() kann in Kombination mit anderen NumPy-Funktionen verwendet werden, um komplexere mathematische Operationen durchzuführen.
- Mit der Funktion numpy.sqrt() können Daten normalisiert werden, indem sie auf einen Einheitsbereich skaliert werden.
Nachschlagewerke:
Das Python for Data Science Handbook von Jake VanderPlas behandelt die NumPy-Bibliothek und ihre Anwendungen in der Datenwissenschaft ausführlich, einschließlich Funktionen für mathematische Operationen wie numpy.sqrt().
Numerical Python: A Practical Techniques Approach for Industry von Robert Johansson behandelt die NumPy-Bibliothek und ihre Anwendungen im numerischen Rechnen und im wissenschaftlichen Rechnen ausführlich, einschließlich Funktionen für mathematische Operationen wie numpy.sqrt().
Python Data Science Essentials von Alberto Boschetti und Luca Massaron behandelt die NumPy-Bibliothek und ihre Anwendungen in der Datenwissenschaft ausführlich, einschließlich Funktionen für mathematische Operationen wie numpy.sqrt().