Python – numpy میٹرکس آپریشنز

نوٹ: NumPy Numarray کا جانشین ہے اور NumArray کی جگہ لے لیتا ہے۔ SAGE NumPy پر مبنی ایک ریاضی سافٹ ویئر پیکج ہے اور اس کا مقصد میگما ، میپل ، ریاضی اور میٹلاب جیسے اوزار کی جگہ لینا ہے۔ آج میں نے NumPy کے بارے میں کچھ معلومات آن لائن ڈھونڈیں اور NumPy ریٹرننگ میٹرکس کا استعمال کرنے کی کوشش کی ، لیکن مجھے چینی زبان میں کوئی معلومات نہیں ملی ، فورم پر ایک صارف نے مجھ سے پوچھا کہ میٹرکس ریٹرننگ میٹرکس کے لئے Python کا استعمال کیسے کریں ، اور کسی نے جواب نہیں دیا۔ لہذا میں نے NumPy کی سرکاری دستاویزات کو تلاش کیا ، جس میں ایک چھوٹا سا سیکشن میٹرکس آبجیکٹ کا تعارف ہے ، لہذا میں نے اس سیکشن کا ترجمہ چینی زبان میں کیا ، جس میں تھوڑا سا حصہ ڈالا ، وقت کم تھا ، ہجے کی جانچ پڑتال نہیں کی ، کوئی مسئلہ نہیں تھا۔ معذرت

• #### 1، میٹرکس (Matrix) آبجیکٹ

میٹرکس ٹائپ اینڈارے ٹائپ سے وراثت میں ہے ، لہذا اس میں اینڈارے کے تمام ڈیٹا پراپرٹیز اور طریقے شامل ہیں۔ میٹرکس ٹائپ اور اینڈارے ٹائپ کے مابین چھ اہم اختلافات ہیں ، جب آپ میٹرکس آبجیکٹ کے طور پر کام کرتے ہیں تو ان اختلافات کے نتیجے میں غیر متوقع نتائج برآمد ہوتے ہیں۔

• 1. میٹرکس آبجیکٹ ایک Matlab طرز کی سٹرنگ کا استعمال کرتے ہوئے تخلیق کیا جا سکتا ہے، یعنی ایک سٹرنگ جو خالی جگہوں کے ساتھ علیحدہ کالموں کے ساتھ علیحدہ ہے.
• 1. میٹرکس آبجیکٹ ہمیشہ دو جہتی ہوتے ہیں۔ اس میں وسیع پیمانے پر اثرات مرتب ہوتے ہیں ، جیسے m.ravel () کی واپسی کی قیمت دو جہتی ہے ، اور ممبر کے منتخب کردہ واپسی کی قیمت بھی دو جہتی ہے ، لہذا ترتیب کا رویہ اور صف کا رویہ بنیادی طور پر مختلف ہوگا۔
• 1. Matrix قسم کے ضرب سے array کے ضرب کا احاطہ کیا جاتا ہے اور اس میں matrix کے ضرب کے آپریشن کا استعمال کیا جاتا ہے۔ جب آپ کو matrix کی واپسی کی قیمت موصول ہوتی ہے تو ، اس بات کو یقینی بنائیں کہ آپ ان افعال کے معنی کو سمجھ چکے ہیں۔ خاص طور پر ، حقیقت میں فنکشن array array () ایک matrix واپس کرتا ہے ، اگر m ایک matrix ہے۔
• 1. میٹرکس قسم کے صف آپریشن بھی پچھلے صف آپریشن کو ڈھکتے ہیں ، میٹرکس کا صف استعمال کرتے ہیں۔ اس حقیقت کے مطابق ، اس بات کی یاد دلانے کے لئے کہ اگر کسی میٹرکس کا صف بطور پیرامیٹرز استعمال کیا جاتا ہے تو ، اس کی طرح ہی ہے کہ (((…)
• 1. میٹرکس کی ڈیفالٹ array_priority 10.0 ہے، لہذا nndarray اور میٹرکس آبجیکٹ کا مخلوط آپریشن ہمیشہ میٹرکس کو واپس کرتا ہے۔
• 1. میٹرکس میں کچھ خاص خصوصیات ہیں جو حساب کتاب کو آسان بناتی ہیں:

  • (a) .T – اپنے آپ کو تبدیل کرنے کے لئے واپس

  • (b) .H – اپنی ہی ریمپوزن ٹرانسفر پر واپس

  • © .I – اپنے آپ کو ریورس میٹرکس

  • (د) .A – ایک 2D صف کا ایک نقطہ نظر ہے جس میں اس کے اپنے اعداد و شمار کو لوٹاتا ہے (کوئی کاپی نہیں بنایا گیا)

  میٹرکس کلاس (Matrix class) ایک پائتھون (Python) ذیلی کلاس (subclass) ہے جو ndarray کی ہے۔ آپ اس کو سیکھ کر اپنی ndarray ذیلی کلاس (subclass) بنا سکتے ہیں۔ میٹرکس آبجیکٹ (Matrix object) کو دوسرے میٹرکس آبجیکٹ (Matrix object) ، سٹرنگ (string) ، یا کسی اور طرح سے بنایا جا سکتا ہے جو کہ ایک ndarray کے پیرامیٹرز میں تبدیل کیا جا سکتا ہے۔ اس کے علاوہ، NumPy میں، mat ایک اور نام ہے matrix ۔

• مثال 1: ایک سٹرنگ میٹرکس کی تعمیر

  import numpy as np
  a=np.mat('1 2 3; 4 5 3')
  print (a*a.T).I
  [[ 0.29239766 -0.13450292]
  [-0.13450292  0.08187135]]

• مثال 2: پیسٹل سیریز کے ساتھ میٹرکس کی تعمیر

  np.matrix([[  1.+0.j,   5.+0.j,  10.+0.j],
        [  1.+0.j,   3.+0.j,   0.+4.j]])

• مثال 3: ایک صف تعمیر میٹرکس کا استعمال کرتے ہوئے

  np.mat( np.random.rand(3,3) ).T
  np.matrix([[ 0.81541602,  0.73987459,  0.03509142],
        [ 0.14767449,  0.60539483,  0.05641679],
        [ 0.43257759,  0.628695  ,  0.47413553]])

Matrix( data, dtype=None, copy=True ) پیرامیٹر کے اعداد و شمار کے ساتھ آنے والے اعداد و شمار کو میٹرکس میں تبدیل کیا جائے گا۔ اگر dtype کوئی نہیں ہے تو ، ڈیٹا کی قسم کا تعین اعداد و شمار کے مواد سے کیا جائے گا۔ اگر کاپی درست ہے تو ، ڈیٹا میں موجود ڈیٹا کو کاپی کیا جائے گا ، بصورت دیگر اصل ڈیٹا کو محفوظ کیا جائے گا۔ اگر اعداد و شمار کا کوئی محفوظ علاقہ نہیں ملتا ہے تو ، یقینا the ڈیٹا کی کاپی بھی کی جائے گی۔ نوٹ: میٹرکس میٹرکس دراصل ایک قسم ہے ، لہذا جب آپ مثال بناتے ہیں تو آپ کو میٹرکس کال کریں گے۔ نیا ((میٹرکس ، ڈیٹا ، dtype ، کاپی) Mat یہ صرف ‘میٹرکس’ کا دوسرا نام ہے۔ Asmatrix(data, dtype=None) بغیر کاپی شدہ ڈیٹا لوٹاتا ہے۔ matrix ((data, dtype, copy=False) کے برابر ہے۔ Bmat(obj, ldict=None, gdict=None) ایک سٹرنگ، انٹینٹڈ سیریز یا ایک سرنی ((array) کا استعمال کرتے ہوئے ایک میٹرکس کی تعمیر کریں۔ یہ کمانڈ آپ کو دیگر اشیاء سے میٹرکس بنانے کی اجازت دیتا ہے۔ اس میں صرف اس وقت استعمال کیا جاتا ہے جب obj ایک سٹرنگ ہے۔ یہ دو پیرامیٹرز ldict اور gdict ہیں ، جو مقامی اور ماڈیول کی لغت ہیں۔ اگر آپ ان کو فراہم نہیں کرتے ہیں تو ، یہ نظام کے ذریعہ فراہم کیے جائیں گے۔

  A=np.mat('2 2; 2 2'); B=np.mat('1 1; 1 1');
  print(np.bmat('A B; B A'))
    [[2 2 1 1]
     [2 2 1 1]
     [1 1 2 2]
     [1 1 2 2]]

مصنف: su frank