Syntaxis
De syntaxis voor het maken van een array die complexe getallen bevat, is als volgt:
Methode 1:
1j * nv. regelen ( maat )De syntaxis die hierboven 1j is gegeven, is het denkbeeldige deel, wat betekent dat we een array van complexe getallen maken, waarbij np.arrang de functie is die door NumPy wordt geleverd om een array met een gespecificeerd bereik te maken. Grootte, die de arraygrootte aangeeft, wordt doorgegeven aan de functie.
Methode 2:
bijv. reeks ( [ Re+Re*Im , Re+Re*Im , … ] )In deze syntaxis is np.arrray de functie waarmee we een array kunnen maken, maar we kunnen het bereik er niet aan doorgeven. We geven er gewoon 'n' keer waarden aan door. In de functie hebben we 'Re' doorgegeven, wat reële getallen aangeeft door ze toe te voegen aan 'Im', een denkbeeldig getal in een veelvoud van een reëel getal. We kunnen denkbeeldige waarden doorgeven aan n keer.
Voorbeeld # 01:
Zoals we weten ondersteunt NumPy ook complexe getallen en biedt het meerdere soorten methoden om complexe getallen te implementeren en te manipuleren. In het onderstaande voorbeeld zullen we twee manieren implementeren om arrays met complexe getallen te maken. Om NumPy-functies te implementeren, laten we de NumPy-bibliotheek eerst importeren als np. Vervolgens initialiseren we een array met de naam 'array_a' waaraan we de functie np.arange() toewijzen die de complexe getallen zal bevatten. En het bereik van de array zal '8' zijn. In de volgende regel hebben we een andere array gemaakt met de naam 'array_b' waaraan we een reeks complexe getallen hebben doorgegeven door de complexe waarden er rechtstreeks aan door te geven. Uiteindelijk hebben we de complexe array afgedrukt die we met beide methoden hebben gemaakt.
importeren numpy net zo bijv.
array_a = 1j * nv. regelen ( 8 )
array_b = bijv. reeks ( [ twee +1d , 3 +4j , 5 +2j , 1 +6j ] )
afdrukken ( 'complexe array met de functie arange()' , array_a )
afdrukken ( 'complexe array met de functie np.array()' , array_b )
Zoals weergegeven in het onderstaande fragment is het resultaat van de code die we hebben uitgevoerd. We kunnen zien dat we twee arrays hebben gemaakt met een reeks complexe getallen van 0j tot 7j. In de andere zijn we het willekeurige bereik van complexe getallen van grootte 4 gepasseerd.
Methode 3:
bijv. complex ( Re+Re*Im )In de hierboven gegeven syntaxis is np.complex() de ingebouwde klasse die wordt geleverd door het Python-pakket NumPy waarmee we complexe waarden kunnen opslaan.
Voorbeeld # 02:
Een andere manier om een complexe NumPy-array te maken, is door de klasse complex() van NumPy te gebruiken. Complex class() wordt gebruikt om complexe getallen op te slaan en retourneert het complexe object dat we meerdere keren kunnen gebruiken binnen de enkele code. Nu we de klasse complex() implementeren, zullen we eerst ons Numpy-pakket importeren. Vervolgens zullen we een array initialiseren waaraan we een complexe klasse hebben doorgegeven die een asterisk '*' gebruikt om een object van de klasse complex() door te geven waaraan we '3+1j' hebben doorgegeven. Met behulp van de functie arrange() hebben we een array van grootte 5 gemaakt. Ten slotte hebben we zojuist de uitvoer van de code weergegeven waarin we een complexe array hebben gemaakt met behulp van de klasse complex().
importeren numpy net zo bijv.reeks = bijv. complex ( 3 +1d ) * bijv. regelen ( 5 )
afdrukken ( 'complexe array met np.complex() class' , reeks )
Zoals te zien is in de onderstaande afbeelding, hebben we een reeks complexe getallen gemaakt. Maar nog iets dat we in de figuur kunnen opmerken, is dat de constante waarde niet opeenvolgend wordt uitgevoerd omdat we '3+1j' hebben doorgegeven aan een complexe() klasse, wat betekent dat er een getal drie wordt toegevoegd aan elke volgende constante waarde.
Methode 4:
bijv. degenen ( vorm geven aan , dtype = Geen , bestellen = 'C' , * , Leuk vinden = Geen )In deze methode np.ones(), specificeren we een array van complexe getallen met behulp van de dtype parameter in de NumPy array. Np.ones() wordt gebruikt om een nieuwe array te retourneren die enen bevat. Aan de functie np.ones(), hebben we vier parameters 'shape' doorgegeven, die worden gebruikt om de vorm van de array te definiëren, of deze nu '2', '3' of anders is. Het 'dtype' is het gegevenstype. In ons geval zullen we een complex datatype gebruiken. De 'volgorde' definieert of de array eendimensionaal, tweedimensionaal of multidimensionaal is.
Voorbeeld # 03:
Laten we de methode ones() implementeren om een beter idee te krijgen van hoe het werkt bij het gebruik van complexe getallen. Om deze methode te implementeren, laten we eerst onze NumPy-pakketten importeren die door Python worden geleverd. Vervolgens zullen we een array maken waaraan we de functie np.ones() zullen doorgeven waaraan we twee parameters hebben doorgegeven. De eerste is '4', wat betekent dat de arraygrootte 4 zal zijn en de tweede is 'dtype', wat complex is. Dit betekent dat we een reeks complexe getallen van het gegevenstype gaan maken. Het vermenigvuldigen van de functie enen () met de waarde '2' betekent dat ons echte getal '2' zal zijn. Uiteindelijk hebben we de array afgedrukt die we hebben gemaakt met behulp van de print-instructie.
importeren numpy net zo bijv.reeks = bijv. degenen ( 4 , dtype = complex ) * twee
afdrukken ( 'complexe array met de functie np.ones()' , reeks )
Zoals hieronder wordt getoond, wordt de uitvoer van onze code met succes uitgevoerd waarin we een eendimensionale array hebben die 4 complexe waarden bevat met een reëel getal 2.
Voorbeeld # 04:
Laten we nu een ander voorbeeld implementeren waarin we een reeks complexe getallen zullen maken en de imaginaire en reële delen van de complexe getallen zullen afdrukken. We zullen eerst de NumPy-bibliotheek importeren en vervolgens een array maken waaraan we '6' complexe waarden hebben doorgegeven aan een array met de naam 'array' die is '56+0j, 27+0j, 68+0j, 49+0j, 120+0j , 4+0j”. In de volgende regel hebben we eenvoudig de array afgedrukt. Nu printen we denkbeeldige en reële waarden van de complexe array.
Numpy biedt een ingebouwde functie voor beide bewerkingen die hieronder worden weergegeven. De eerste die het denkbeeldige deel krijgt, is 'array_name.imag', waarbij de waarde voor de punt de array is waaruit we het denkbeeldige deel moeten halen. En de tweede die het echte deel krijgt, is 'array_name.real'. In ons geval is de naam van een array 'array', dus we hebben de printopdracht, de arraynaam en het sleutelwoord doorgegeven om beide elementen te krijgen.
importeren numpy net zo bijv.reeks = bijv. reeks ( [ 56 .+ 0 . j , 27 .+ 0 . j , 68 .+ 0 . j , 49 .+ 0 . j , 120 .+ 0 . j , 3 + 4 . j ] )
afdrukken ( 'Originele array:x' , reeks )
afdrukken ( 'Echt deel van de array:' )
afdrukken ( reeks . echt )
afdrukken ( 'Imaginair deel van de array:' )
afdrukken ( reeks . afbeelding )
Zoals weergegeven in het onderstaande fragment, is de uitvoer waarin het imaginaire en het reële deel van de complexe array met succes wordt uitgevoerd. Waarbij de echte delen '56', '27', '68', '120' en '3' zijn. En de denkbeeldige delen zijn 'nullen'.
Conclusie
In dit artikel hebben we kort complexe getallen besproken en hoe we complexe arrays kunnen maken met behulp van de ingebouwde functies van NumPy. We hebben meerdere functies beschreven waarmee we complexe arrays kunnen maken door meerdere voorbeelden te implementeren om het beter te begrijpen.