Manipulación de arrays en Python

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 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 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 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.