Syntax
Die Syntax zum Erstellen eines Arrays mit komplexen Zahlen lautet wie folgt:
Methode 1:
1j *np. anordnen ( Größe )Die oben angegebene Syntax 1j ist der imaginäre Teil, was bedeutet, dass wir ein Array aus komplexen Zahlen erstellen, wobei np.arrang die Funktion ist, die von NumPy bereitgestellt wird, um ein Array für einen bestimmten Bereich zu erstellen. Size, die die Größe des Arrays angibt, wird an die Funktion übergeben.
Methode 2:
z.B. Reihe ( [ Re+Re*Im , Re+Re*Im , … ] )In dieser Syntax ist np.arrray die Funktion, die es uns ermöglicht, ein Array zu erstellen, aber wir können den Bereich nicht daran übergeben. Wir übergeben ihm einfach „n“ mal Werte. In der Funktion haben wir „Re“ übergeben, was reelle Zahlen anzeigt, indem wir sie zu „Im“ addieren, einer imaginären Zahl als Vielfaches einer reellen Zahl. Wir können imaginäre Werte n mal übergeben.
Beispiel # 01:
Wie wir wissen, unterstützt NumPy auch komplexe Zahlen und bietet mehrere Arten von Methoden, um komplexe Zahlen zu implementieren und zu manipulieren. Im folgenden Beispiel implementieren wir zwei Möglichkeiten zum Erstellen von Arrays mit komplexen Zahlen. Um NumPy-Funktionen zu implementieren, importieren wir zunächst die NumPy-Bibliothek als np. Dann initialisieren wir ein Array namens „array_a“, dem wir die Funktion np.arange() zuweisen, die die komplexen Zahlen enthält. Und der Bereich des Arrays ist „8“. In der nächsten Zeile haben wir ein weiteres Array mit dem Namen „array_b“ erstellt, an das wir ein Array komplexer Zahlen übergeben haben, indem wir die komplexen Werte direkt an es übergeben haben. Am Ende haben wir das komplexe Array gedruckt, das wir mit beiden Methoden erstellt haben.
importieren taub wie z.B.
array_a = 1j *np. anordnen ( 8 )
array_b = z.B. Reihe ( [ zwei +1d , 3 +4j , 5 +2j , 1 +6j ] )
drucken ( 'komplexes Array mit arange()-Funktion' , array_a )
drucken ( 'komplexes Array mit der Funktion np.array()' , array_b )
Wie im folgenden Snippet gezeigt, ist das Ergebnis des von uns ausgeführten Codes. Wir können sehen, dass wir zwei Arrays erstellt haben, die einen Bereich komplexer Zahlen von 0j bis 7j haben. In der anderen haben wir den Zufallsbereich komplexer Zahlen der Größe 4 passiert.
Methode 3:
z.B. Komplex ( Re+Re*Im )In der oben angegebenen Syntax ist np.complex() die eingebaute Klasse, die vom Python-Paket NumPy bereitgestellt wird und uns ermöglicht, komplexe Werte zu speichern.
Beispiel # 02:
Eine andere Möglichkeit, ein komplexes NumPy-Array zu erstellen, ist die Verwendung der Klasse complex() von NumPy. Complex class() wird verwendet, um komplexe Zahlen zu speichern und das komplexe Objekt zurückzugeben, das wir innerhalb des einzelnen Codes mehrmals verwenden können. Jetzt, wo wir die Klasse complex() implementieren, werden wir zuerst unser Numpy-Paket importieren. Dann initialisieren wir ein Array, an das wir eine komplexe Klasse übergeben haben, die ein Sternchen „*“ verwendet, um ein Objekt der Klasse complex() zu übergeben, an das wir „3+1j“ übergeben haben. Mit der Funktion 'arrange()' haben wir ein Array der Größe 5 erstellt. Zuletzt haben wir nur die Ausgabe des Codes angezeigt, in dem wir mit der Klasse 'complex()' ein komplexes Array erstellt haben.
importieren taub wie z.B.Reihe = z.B. Komplex ( 3 +1d ) *z.B. anordnen ( 5 )
drucken ( 'komplexes Array mit der Klasse np.complex()' , Reihe )
Wie in der folgenden Abbildung gezeigt, haben wir ein Array aus komplexen Zahlen erstellt. Aber eine weitere Sache, die wir in der Abbildung bemerken können, ist, dass der konstante Wert nicht fortlaufend ausgeführt wird, weil wir „3+1j“ an eine Klasse complex() übergeben haben, was bedeutet, dass jedem nächsten konstanten Wert eine Zahl drei hinzugefügt wird.
Methode 4:
z.B. Einsen ( Form , dtyp = Keiner , bestellen = 'C' , * , wie = Keiner )In dieser Methode np.ones() geben wir ein Array aus komplexen Zahlen an, indem wir den dtype-Parameter im NumPy-Array verwenden. Np.ones() wird verwendet, um ein neues Array zurückzugeben, das Einsen enthält. An die Funktion np.ones() haben wir vier Parameter „shape“ übergeben, die verwendet werden, um die Form des Arrays zu definieren, ob es „2“, „3“ oder etwas anderes ist. Der „dtype“ ist der Datentyp. In unserem Fall verwenden wir einen komplexen Datentyp. Die „Reihenfolge“ definiert, ob das Array eindimensional, zwei- oder mehrdimensional ist.
Beispiel # 03:
Lassen Sie uns die ones()-Methode implementieren, um eine bessere Vorstellung davon zu bekommen, wie sie bei der Verwendung komplexer Zahlen funktioniert. Um diese Methode zu implementieren, importieren wir zunächst unsere Pakete von NumPy, die von Python bereitgestellt werden. Als Nächstes erstellen wir ein Array, an das wir die Funktion np.ones() übergeben, an die wir zwei Parameter übergeben haben. Der erste ist „4“, was bedeutet, dass die Array-Größe 4 ist, und der zweite ist „dtype“, was komplex ist. Dies bedeutet, dass wir ein Array aus komplexen Zahlen des Datentyps erstellen werden. Die Multiplikation der Funktion ones() mit dem Wert „2“ bedeutet, dass unsere reelle Zahl „2“ sein wird. Am Ende haben wir das Array gedruckt, das wir mit der print-Anweisung erstellt haben.
importieren taub wie z.B.Reihe = z.B. Einsen ( 4 , dtyp = Komplex ) * zwei
drucken ( 'komplexes Array mit der Funktion np.ones ()' , Reihe )
Wie unten gezeigt, wird die Ausgabe unseres Codes erfolgreich ausgeführt, in dem wir ein eindimensionales Array haben, das 4 komplexe Werte mit einer reellen Zahl 2 enthält.
Beispiel # 04:
Lassen Sie uns nun ein weiteres Beispiel implementieren, in dem wir ein Array komplexer Zahlen erstellen und die Imaginär- und Realteile der komplexen Zahlen drucken. Wir werden zuerst die NumPy-Bibliothek importieren und dann ein Array erstellen, an das wir „6“ komplexe Werte an ein Array namens „array“ übergeben haben, das „56+0j, 27+0j, 68+0j, 49+0j, 120+0j“ ist , 4+0j“. In der nächsten Zeile haben wir einfach das Array gedruckt. Jetzt drucken wir imaginäre und reelle Werte des komplexen Arrays.
Numpy bietet eine integrierte Funktion für beide unten gezeigten Operationen. Der erste, der den Imaginärteil erhält, ist „array_name.imag“, wobei der Wert vor dem Punkt das Array ist, aus dem wir den Imaginärteil erhalten müssen. Und der zweite, der den Realteil erhält, ist „array_name.real“. In unserem Fall ist der Name eines Arrays „array“, also haben wir die print-Anweisung, den Array-Namen und das Schlüsselwort übergeben, um beide Elemente zu erhalten.
importieren taub wie z.B.Reihe = z.B. Reihe ( [ 56 .+ 0 . j , 27 .+ 0 . j , 68 .+ 0 . j , 49 .+ 0 . j , 120 .+ 0 . j , 3 + 4 . j ] )
drucken ( 'Ursprüngliches Array:x' , Reihe )
drucken ( 'Realer Teil des Arrays:' )
drucken ( Reihe . real )
drucken ( 'Imaginärer Teil des Arrays:' )
drucken ( Reihe . Bild )
Wie im folgenden Snippet gezeigt, wird die Ausgabe, in der der Imaginär- und der Realteil des komplexen Arrays erfolgreich ausgeführt werden. Wobei die Realteile „56“, „27“, „68“, „120“ und „3“ sind. Und die Imaginärteile sind „0“.
Fazit
In diesem Artikel haben wir kurz über komplexe Zahlen gesprochen und wie wir komplexe Arrays mit den integrierten Funktionen von NumPy erstellen können. Wir haben mehrere Funktionen beschrieben, die es uns ermöglichen, komplexe Arrays zu erstellen, indem wir mehrere Beispiele implementieren, um sie besser zu verstehen.