สมัครเรียนโทร. 085-350-7540 , 084-88-00-255 , ntprintf@gmail.com

Tutorial Python Numpy

LM01PYTHON NUMPY INTRODUCTION LM02PYTHON NUMPY GETTING STARTED LM03PYTHON NUMPY ARRAYS INDEXING LM04PYTHON NUMPY ARRAYS SLICING LM05PYTHON NUMPY DATATYPE LM06PYTHON NUMPY ARRAYd COPY VS VIEW LM07PYTHON NUMPY ARRAY SHAPE LM08PYTHON NUMPY ARRAY RESHAPING LM09PYTHON NUMPY ARRAY ITERATING LM10PYTHON NUMPY JOINING ARRAY LM12PYTHON NUMPY SEARCHING ARRAYS LM13PYTHON NUMPY SORTING ARRAYS LM14PYTHON NUMPY FILTER ARRAY LM16PYTHON 10NUMPY TRIGONOMETRIC FUNCTIONS LM16PYTHON 11NUMPY HYPERBOLIC FUNCTIONS LM16PYTHON 12NUMPY SET OPERATIONS LM16PYTHON 1CREATE YOUR OWN UFUNC LM16PYTHON 2SIMPLE ARITHMETIC LM16PYTHON 3ROUNDING DECIMALS LM16PYTHON 4NUMPY LOGS LM16PYTHON 5NUMPY SUMMATIONS LM16PYTHON 6NUMPY PRODUCTS LM16PYTHON 7NUMPY DIFFERENCES LM16PYTHON 8NUMPY LCM LM16PYTHON 9NUMPY GCD

Simple Arithmetic

เรียนเขียนโปรเเกรมง่ายๆกับ Expert Progamming Tutor กับบท  Simple Arithmetic
เลขคณิตอย่างง่าย
   นักเรียนสามารถใช้ตัวดำเนินการทางคณิตศาสตร์ + - * / โดยตรงระหว่างอาร์เรย์ NumPy แต่ในส่วนนี้จะกล่าวถึงส่วนขยายที่เหมือนกันซึ่งเรามีฟังก์ชั่นที่สามารถใช้วัตถุใด ๆ ที่มีลักษณะเหมือนอาร์เรย์ได้เช่น List tuples ฯลฯ และดำเนินการทางคณิตศาสตร์ตามเงื่อนไข
Arithmetic Conditionally : หมายความว่าเราสามารถกำหนดเงื่อนไขที่การดำเนินการทางคณิตศาสตร์ที่ควรจะเกิดขึ้น ฟังก์ชันเลขคณิตที่กล่าวถึงทั้งหมดใช้พารามิเตอร์ where() ซึ่งเราสามารถระบุเงื่อนไขนั้นได้
Addition
ฟังก์ชั่น add() รวมเนื้อหาของสองอาร์เรย์และส่งคืนผลลัพธ์ในอาร์เรย์ใหม่
ตัวอย่าง
เพิ่มค่าใน arr1 ให้กับค่าใน arr2

import numpy as np
arr1 = np.array([10, 11, 12, 13, 14, 15])
arr2 = np.array([20, 21, 22, 23, 24, 25])

newarr = np.add(arr1, arr2)
print(newarr)

ผลลัพธ์

[30 32 34 36 38 40]

ตัวอย่างด้านบนจะส่งคืน [30 32 34 36 38 40] ซึ่งเป็นผลรวมของ 10 + 20, 11 + 21, 12 + 22 เป็นต้น
Subtraction
ฟังก์ชั่นSubtract () ฟังก์ชั่นการลบค่าจากอาร์เรย์หนึ่งที่มีค่าจากอาร์เรย์อื่นและส่งกลับผลลัพธ์ในอาร์เรย์ใหม่
ตัวอย่าง
ลบค่าใน arr2 จากค่าใน arr1

import numpy as np
arr1 = np.array([10, 20, 30, 40, 50, 60])
arr2 = np.array([20, 21, 22, 23, 24, 25])
newarr = np.multiply(arr1, arr2)
print(newarr)

ผลลัพธ์

[ 200  420  660  920 1200 1500]

 ตัวอย่างข้างต้นจะส่งกลับ [-10 -1 8 17 26 35] ซึ่งเป็นผลลัพธ์ของ 10-20, 20-21, 30-22 เป็นต้น
Multiplication
ฟังก์ชัน multiply() คูณค่าจากอาร์เรย์หนึ่งด้วยค่าจากอาร์เรย์อื่นแล้วส่งคืนผลลัพธ์ในอาร์เรย์ใหม่
ตัวอย่าง
คูณค่าใน arr1 ด้วยค่าใน arr2

import numpy as np
arr1 = np.array([10, 20, 30, 40, 50, 60])
arr2 = np.array([20, 21, 22, 23, 24, 25])
newarr = np.multiply(arr1, arr2)
print(newarr)

ผลลัพธ์

[ 200  420  660  920 1200 1500]

ตัวอย่างข้างต้นจะส่งคืน [200 420 660 920 1200 1500] ซึ่งเป็นผลลัพธ์ของ 10 * 20, 20 * 21, 30 * 22 เป็นต้น
Division
ฟังก์ชัน Division() จะแบ่งค่าจากอาร์เรย์หนึ่งด้วยค่าจากอีกแถวหนึ่งและส่งคืนผลลัพธ์ในอาร์เรย์ใหม่
ตัวอย่าง
หารค่าใน arr1 กับค่าใน arr2

import numpy as np
arr1 = np.array([10, 20, 30, 40, 50, 60])
arr2 = np.array([3, 5, 10, 8, 2, 33])
newarr = np.divide(arr1, arr2)
print(newarr)

ผลลัพธ์

[ 3.33333333  4.          3.          5.         25.          1.81818182]

ตัวอย่างข้างต้นจะส่งคืน [3.33333333 4. 3. 5. 25. 1.81818182] ซึ่งเป็นผลลัพธ์ของ 10/3, 20/5, 30/10 เป็นต้น
Power
ฟังก์ชั่นPower() ฟังก์ชั่นเพิ่มค่าจากอาร์เรย์แรกไปยังกำลังของค่าของอาร์เรย์ที่สองและส่งกลับผลลัพธ์ในอาร์เรย์ใหม่
ตัวอย่าง
เพิ่ม valules ใน arr1 ไปยังพลังของค่าใน arr2

import numpy as np
arr1 = np.array([10, 20, 30, 40, 50, 60])
arr2 = np.array([3, 5, 6, 8, 2, 33])
newarr = np.power(arr1, arr2)
print(newarr)

ผลลัพธ์

[         1000       3200000     729000000 6553600000000          2500             0]

ตัวอย่างข้างต้นจะส่งกลับ [1,000 3200000 729000000 6553600000000 2500 0] ซึ่งเป็นผลลัพธ์ของ 10 * 10 * 10, 20 * 20 * 20 * 20 * 20, 20, 30 * 30 * 30 * 30 * 30 ฯลฯ
Remainder
ทั้งฟังก์ชั่น mod() และRemainder() จะส่งคืนส่วนที่เหลือของค่าในอาร์เรย์แรกที่สอดคล้องกับค่าในอาร์เรย์ที่สองและส่งคืนผลลัพธ์ในอาร์เรย์ใหม่
ตัวอย่าง
ส่งคืน Remainder()

import numpy as np
arr1 = np.array([10, 20, 30, 40, 50, 60])
arr2 = np.array([3, 7, 9, 8, 2, 33])
newarr = np.mod(arr1, arr2)
print(newarr)

ผลลัพธ์

[ 1  6  3  0  0 27]

ตัวอย่างข้างต้นจะส่งกลับ [1 6 3 0 0 27] ซึ่งเป็นส่วนที่เหลือเมื่อคุณหาร 10 ด้วย 3 (10% 3), 20 กับ 7 (20% 7) 30 กับ 9 (30% 9) เป็นต้น
นักเรียนได้ผลลัพธ์เหมือนกันเมื่อใช้ฟังก์ชันRemainder()
ตัวอย่าง
ส่งคืน Remainder()

import numpy as np
arr1 = np.array([10, 20, 30, 40, 50, 60])
arr2 = np.array([3, 7, 9, 8, 2, 33])
newarr = np.remainder(arr1, arr2)
print(newarr)

ผลลัพธ์

[ 1  6  3  0  0 27]

Quotient and Mod
ฟังก์ชัน divmod() ส่งคืนทั้งผลหารและ mod ค่าส่งคืนคือสองอาร์เรย์อาร์เรย์แรกมีผลหารและอาร์เรย์ที่สองมีการดัดแปลง
ตัวอย่าง
ส่งคืนผลหารและ mod

import numpy as np
arr1 = np.array([10, 20, 30, 40, 50, 60])
arr2 = np.array([3, 7, 9, 8, 2, 33])
newarr = np.divmod(arr1, arr2)
print(newarr)

ผลลัพธ์

(array([ 3,  2,  3,  5, 25,  1]), array([ 1,  6,  3,  0,  0, 27]))

ตัวอย่างข้างต้นจะกลับมา (อาร์เรย์ ([3, 2, 3, 5, 25, 1]), อาร์เรย์ ([1, 6, 3, 0, 0, 27]) อาร์เรย์แรกแสดงถึงผลหาร (ค่าจำนวนเต็มเมื่อนักเรียนหาร 10 ด้วย 3, 20 กับ 7, 30 กับ 9 เป็นต้น
- อาร์เรย์ที่สองหมายถึงส่วนที่เหลือของหน่วยงานเดียวกัน
Absolute Values
ทั้งฟังก์ชั่นAbsolute  () และ abs () ฟังก์ชั่นทำหน้าที่องค์ประกอบการดำเนินงานที่แน่นอนเดียวกันที่ชาญฉลาด แต่เราควรใช้Absolute() เพื่อหลีกเลี่ยงความสับสนกับ python inbuilt math.abs ()
ตัวอย่าง
ส่งคืนผลหารและ mod

import numpy as np
arr = np.array([-1, -2, 1, 2, 3, -4])

newarr = np.absolute(arr)
print(newarr)

 ผลลัพธ์

[1 2 1 2 3 4]

ตัวอย่างข้างต้นจะกลับ [1 2 1 2 3 4]
แปลจากhttps://www.w3schools.com/python/numpy_ufunc_simple_arithmetic.asp



บทความนี้อาจจะมีที่ผิด กรุณาตรวจสอบก่อนใช้

หากมีข้อผิดพลาด/ต้องการพูดคุยเพิ่มเติมเกี่ยวกับบทความนี้ กรุณาแจ้งที่ http://m.me/Expert.Programming.Tutor

ไม่อยากอ่าน Tutorial อยากมาเรียนเลยทำอย่างไร?

สมัครเรียน ONLINE ได้ทันทีที่ https://elearn.expert-programming-tutor.com

หรือติดต่อ

085-350-7540 (DTAC)
084-88-00-255 (AIS)
026-111-618
หรือทาง EMAIL: NTPRINTF@GMAIL.COM

แผนที่ ที่ตั้งของอาคารของเรา

C Article


C++ Article


Java Article


C#.NET Article


VB.NET Article


Python Article


Golang Article


JavaScript Article


Perl Article


Lua Article


Rust Article


Article


Python


Python Numpy


Python Machine Learning



แผนผังการเรียนเขียนโปรแกรม

Link อื่นๆ

Allow sites to save and read cookie data.
Cookies are small pieces of data created by sites you visit. They make your online experience easier by saving browsing information. We use cookies to improve your experience on our website. By browsing this website, you agree to our use of cookies.

Copyright (c) 2013 expert-programming-tutor.com. All rights reserved. | 085-350-7540 | 084-88-00-255 | ntprintf@gmail.com

ติดต่อเราได้ที่

085-350-7540 (DTAC)
084-88-00-255 (AIS)
026-111-618
หรือทาง EMAIL: NTPRINTF@GMAIL.COM
แผนที่ ที่ตั้งของอาคารของเรา