٪۴۰ تخفیف تابستانه شروع شد! بزرگترین حراج سال ما

به ما بپیوندید

آموزش توابع مثلثاتی NumPy

توابع مثلثاتی NumPy ufunc ها را ارائه می دهد sin()، cos()و tan()مقادیری را در رادیان گرفته و مقادیر مربوط به sin ، cos و tan را تولید می کند. مثال مقدار سینوسی PI/2 را پیدا کنید: import numpy as np x = np.sin(np.pi/2)…

محمد یوسفی

24 سپتامبر 2021

توابع مثلثاتی

NumPy ufunc ها را ارائه می دهد sin()، cos()و tan()مقادیری را در رادیان گرفته و مقادیر مربوط به sin ، cos و tan را تولید می کند.

مثال

مقدار سینوسی PI/2 را پیدا کنید:

import numpy as np

x = np.sin(np.pi/2)

print(x)

مثال

مقادیر سینوس را برای همه مقادیر در arr پیدا کنید:

import numpy as np

arr = np.array([np.pi/2, np.pi/3, np.pi/4, np.pi/5])

x = np.sin(arr)

print(x)

تبدیل درجه به شعاع رادیان

به طور پیش فرض همه توابع مثلثاتی رادیان را به عنوان پارامتر می گیرند ، اما ما می توانیم رادیان را به درجه و برعکس و همچنین در NumP تبدیل کنیم.

توجه: مقادیر رادیان pi/180 * degree_values ​​هستند.

مثال

همه مقادیر arr arr زیر را به رادیان تبدیل کنید:

import numpy as np

arr = np.array([90, 180, 270, 360])

x = np.deg2rad(arr)

print(x)

رادیان تا درجه

مثال

همه مقادیر arr arr زیر را به درجه تبدیل کنید:

import numpy as np

arr = np.array([np.pi/2, np.pi, 1.5*np.pi, 2*np.pi])

x = np.rad2deg(arr)

print(x)

یافتن زوایا

پیدا کردن زاویه از مقادیر sine ، cos ، tan. مثلاً sin ، cos و tan inverse (arcsin، arccos، arctan).

نامپای فراهم می کند ufuncs arcsin()، arccos()و arctan()است که برای تولید مقادیر رادیان برای گناه، چون و ارزش قهوهای مایل به زرد داده های مربوطه.

مثال

زاویه 1.0 را پیدا کنید:

import numpy as np

x = np.arcsin(1.0)

print(x)

زوایای هر مقدار در آرایه ها

مثال

زاویه همه مقادیر سینوسی آرایه را بیابید

import numpy as np

arr = np.array([1, -1, 0.1])

x = np.arcsin(arr)

print(x)

فرضیات

یافتن hypotenues با استفاده از قضیه فیثاغورس در NumPy.

NumPy hypot()عملکردی را ارائه می دهد که مقادیر پایه و عمود بر آن را گرفته و بر اساس قضیه فیثاغورث hypotenues تولید می کند.

مثال

فرضیه های 4 پایه و 3 عمود را پیدا کنید:

import numpy as np

base = 3
perp = 4

x = np.hypot(base, perp)

print(x)

منبع

مطالب مرتبط

0 0 رای ها
امتیازدهی به مقاله
اشتراک در
اطلاع از
guest
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها