En python, la array se puede implementar como una lista 2D o una array 2D. La formación de array a partir de este último brinda funcionalidades adicionales para realizar varias operaciones en array. Estas operaciones y la array se definen en el módulo » numpy «.
Operación en Matrix:
- 1. add(): – Esta función se utiliza para realizar la adición de array sabia de elementos .
- 2. restar(): – Esta función se utiliza para realizar la resta de array sabia elemento .
- 3. dividir(): – Esta función se utiliza para realizar la división de array por elementos .
Implementación:
Python
# Python code to demonstrate matrix operations # add(), subtract() and divide() # importing numpy for matrix operations import numpy # initializing matrices x = numpy.array([[1, 2], [4, 5]]) y = numpy.array([[7, 8], [9, 10]]) # using add() to add matrices print ("The element wise addition of matrix is : ") print (numpy.add(x,y)) # using subtract() to subtract matrices print ("The element wise subtraction of matrix is : ") print (numpy.subtract(x,y)) # using divide() to divide matrices print ("The element wise division of matrix is : ") print (numpy.divide(x,y))
Producción :
The element wise addition of matrix is : [[ 8 10] [13 15]] The element wise subtraction of matrix is : [[-6 -6] [-5 -5]] The element wise division of matrix is : [[ 0.14285714 0.25 ] [ 0.44444444 0.5 ]]
- 4. multiplicar(): – Esta función se utiliza para realizar la multiplicación de arrays por elementos .
- 5. punto(): – Esta función se utiliza para calcular la multiplicación de arrays, en lugar de la multiplicación de elementos .
Python
# Python code to demonstrate matrix operations # multiply() and dot() # importing numpy for matrix operations import numpy # initializing matrices x = numpy.array([[1, 2], [4, 5]]) y = numpy.array([[7, 8], [9, 10]]) # using multiply() to multiply matrices element wise print ("The element wise multiplication of matrix is : ") print (numpy.multiply(x,y)) # using dot() to multiply matrices print ("The product of matrices is : ") print (numpy.dot(x,y))
Producción :
The element wise multiplication of matrix is : [[ 7 16] [36 50]] The product of matrices is : [[25 28] [73 82]]
- 6. sqrt(): – Esta función se usa para calcular la raíz cuadrada de cada elemento de la array.
- 7. suma (x, eje): – Esta función se usa para agregar todos los elementos en la array . El argumento «eje» opcional calcula la suma de la columna si el eje es 0 y la suma de la fila si el eje es 1 .
- 8. “T”:- Este argumento se utiliza para transponer la array especificada.
Implementación:
Python
# Python code to demonstrate matrix operations # sqrt(), sum() and "T" # importing numpy for matrix operations import numpy # initializing matrices x = numpy.array([[1, 2], [4, 5]]) y = numpy.array([[7, 8], [9, 10]]) # using sqrt() to print the square root of matrix print ("The element wise square root is : ") print (numpy.sqrt(x)) # using sum() to print summation of all elements of matrix print ("The summation of all matrix element is : ") print (numpy.sum(y)) # using sum(axis=0) to print summation of all columns of matrix print ("The column wise summation of all matrix is : ") print (numpy.sum(y,axis=0)) # using sum(axis=1) to print summation of all columns of matrix print ("The row wise summation of all matrix is : ") print (numpy.sum(y,axis=1)) # using "T" to transpose the matrix print ("The transpose of given matrix is : ") print (x.T)
Producción :
The element wise square root is : [[ 1. 1.41421356] [ 2. 2.23606798]] The summation of all matrix element is : 34 The column wise summation of all matrix is : [16 18] The row wise summation of all matrix is : [15 19] The transpose of given matrix is : [[1 4] [2 5]]
Este artículo es una contribución de Manjeet Singh 100 🙂 . Si te gusta GeeksforGeeks y te gustaría contribuir, también puedes escribir un artículo usando write.geeksforgeeks.org o enviar tu artículo por correo a review-team@geeksforgeeks.org. Vea su artículo que aparece en la página principal de GeeksforGeeks y ayude a otros Geeks.
Publicación traducida automáticamente
Artículo escrito por GeeksforGeeks-1 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA