logo

TechCodeview

numpy.sqrt() en Python

La fonction numpy.sqrt(array[, out]) est utilisée pour déterminer la racine carrée positive d'un tableau, par élément.

Syntaxe: numpy.sqrt() Paramètres: tableau : [array_like] Valeurs d'entrée dont les racines carrées doivent être déterminées. dehors : [ndarray, facultatif] Objet tableau alternatif dans lequel placer le résultat ; s'il est prévu, il doit avoir la même forme que arr . Retour : [ndarray] Renvoie la racine carrée du nombre dans un tableau.



Code #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)> 

>

chaîne d'entrée Java 
>

Code #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 #3 :

javascript

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)> 

>

>

Voici un exemple de code pour numpy.sqrt() en 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)> 

>

>

Sortir:
[1. 2. 3. 4. 5.]

Avantages :

La fonction numpy.sqrt() est un moyen rapide et efficace de calculer la racine carrée d'un tableau ou d'une valeur unique en Python.
La fonction numpy.sqrt() est utile pour de nombreux calculs mathématiques et applications scientifiques, tels que le calcul de distances, de vitesses et d'accélérations en physique.

Désavantages:

  1. La fonction numpy.sqrt() peut ne pas être suffisamment précise pour certaines applications scientifiques nécessitant des niveaux de précision élevés.
  2. La fonction numpy.sqrt() peut ne pas convenir à tous les types de données, tels que les nombres négatifs ou complexes.

Les points importants:

  1. La fonction numpy.sqrt() renvoie la racine carrée d'un tableau ou une valeur unique.
  2. La fonction numpy.sqrt() peut être utilisée à la fois sur des nombres réels et complexes.
  3. La fonction numpy.sqrt() peut être utilisée en combinaison avec d'autres fonctions NumPy pour effectuer des opérations mathématiques plus complexes.
  4. La fonction numpy.sqrt() peut être utilisée pour normaliser les données en les mettant à l'échelle selon une plage d'unités.

Livres de référence:

Python for Data Science Handbook de Jake VanderPlas couvre en profondeur la bibliothèque NumPy et ses applications en science des données, y compris des fonctions pour les opérations mathématiques telles que numpy.sqrt().
Python numérique : une approche technique pratique pour l'industrie par Robert Johansson couvre en profondeur la bibliothèque NumPy et ses applications en calcul numérique et en calcul scientifique, y compris des fonctions pour les opérations mathématiques comme numpy.sqrt().
Python Data Science Essentials d'Alberto Boschetti et Luca Massaron couvre en profondeur la bibliothèque NumPy et ses applications en science des données, y compris des fonctions pour les opérations mathématiques comme numpy.sqrt().