বাক্য গঠন
জটিল সংখ্যা ধারণ করে এমন একটি অ্যারে তৈরি করার জন্য সিনট্যাক্স নিম্নরূপ:
পদ্ধতি 1:
1j * np. arange ( আকার )1j উপরে দেওয়া সিনট্যাক্স হল কাল্পনিক অংশ যার মানে আমরা জটিল সংখ্যার একটি অ্যারে তৈরি করছি, যেখানে np.arrang হল একটি ফাংশন যা NumPy দ্বারা একটি নির্দিষ্ট পরিসরে একটি অ্যারে তৈরি করার জন্য দেওয়া হয়। আকার, যা অ্যারের আকার নির্দেশ করে, ফাংশনে পাস করা হয়।
পদ্ধতি 2:
যেমন অ্যারে ( [ Re+Re*Im , Re+Re*Im , … ] )এই সিনট্যাক্সে, np.arrray হল একটি ফাংশন যা আমাদের একটি অ্যারে তৈরি করতে সক্ষম করে কিন্তু আমরা এটিতে রেঞ্জটি পাস করতে পারি না। আমরা সহজভাবে এটি মান পাস 'n' বার. ফাংশনে, আমরা 'Re' পাস করেছি যা বাস্তব সংখ্যাকে নির্দেশ করে একটি বাস্তব সংখ্যার একাধিক মধ্যে একটি কাল্পনিক সংখ্যা 'Im' এ যোগ করে। আমরা কাল্পনিক মান n বার পাস করতে পারি।
উদাহরণ # 01:
আমরা জানি NumPy জটিল সংখ্যাগুলিকেও সমর্থন করে এবং জটিল সংখ্যাগুলিকে বাস্তবায়ন এবং পরিচালনা করার জন্য একাধিক ধরণের পদ্ধতি সরবরাহ করে। নীচের উদাহরণে, আমরা জটিল সংখ্যা সম্বলিত অ্যারে তৈরি করার দুটি উপায় প্রয়োগ করব। NumPy ফাংশন বাস্তবায়ন করতে, আসুন প্রথমে NumPy লাইব্রেরিটি np হিসাবে আমদানি করি। তারপর, আমরা 'array_a' নামে একটি অ্যারে শুরু করব যেখানে আমরা np.arange() ফাংশন বরাদ্দ করব যাতে জটিল সংখ্যা থাকবে। এবং অ্যারের রেঞ্জ হবে “8”। পরের লাইনে, আমরা 'array_b' নামে আরেকটি অ্যারে তৈরি করেছি যেখানে আমরা জটিল মানগুলি সরাসরি পাস করে জটিল সংখ্যার একটি অ্যারে পাস করেছি। শেষ পর্যন্ত, আমরা উভয় পদ্ধতি ব্যবহার করে তৈরি করা জটিল অ্যারেটি মুদ্রণ করেছি।
আমদানি নম্র হিসাবে যেমন
array_a = 1j * np. arange ( 8 )
array_b = যেমন অ্যারে ( [ দুই +1d , 3 +4j , 5 +2জ , 1 +6জ ] )
ছাপা ( 'অ্যারেঞ্জ() ফাংশন ব্যবহার করে জটিল অ্যারে' , array_a )
ছাপা ( 'np.array() ফাংশন ব্যবহার করে জটিল অ্যারে' , array_b )
নীচের স্নিপেটে দেখানো হয়েছে আমরা যে কোডটি কার্যকর করেছি তার ফলাফল। আমরা দেখতে পাচ্ছি যে আমরা দুটি অ্যারে তৈরি করেছি যার মধ্যে 0j থেকে 7j পর্যন্ত জটিল সংখ্যা রয়েছে। অন্যটিতে, আমরা 4 আকারের জটিল সংখ্যার এলোমেলো পরিসর অতিক্রম করেছি।
পদ্ধতি 3:
যেমন জটিল ( Re+Re*Im )উপরে দেওয়া সিনট্যাক্সে, np.complex() হল অন্তর্নির্মিত ক্লাস যা পাইথন প্যাকেজ NumPy দ্বারা সরবরাহ করা হয়েছে যা আমাদের জটিল মানগুলি সংরক্ষণ করতে সক্ষম করে।
উদাহরণ # 02:
একটি NumPy জটিল অ্যারে তৈরি করার আরেকটি উপায় হল NumPy's complex() ক্লাস ব্যবহার করা। Complex class() জটিল সংখ্যা সংরক্ষণ করতে ব্যবহৃত হয় এবং জটিল বস্তু ফেরত দেয় যা আমরা একক কোডের মধ্যে একাধিকবার ব্যবহার করতে পারি। এখন জটিল() ক্লাস বাস্তবায়ন করে, আমরা প্রথমে আমাদের নম্পি প্যাকেজ আমদানি করব। তারপরে, আমরা একটি অ্যারে শুরু করব যেখানে আমরা একটি জটিল ক্লাস পাস করেছি যেটি জটিল() ক্লাসের একটি অবজেক্ট পাস করার জন্য একটি তারকাচিহ্ন '*' ব্যবহার করে যেখানে আমরা '3+1j' পাস করেছি। arrange() ফাংশন ব্যবহার করে, আমরা 5 সাইজের একটি অ্যারে তৈরি করেছি। শেষ পর্যন্ত, আমরা শুধু কোডের আউটপুট প্রদর্শন করেছি যেখানে আমরা complex() ক্লাস ব্যবহার করে একটি জটিল অ্যারে তৈরি করেছি।
আমদানি নম্র হিসাবে যেমনঅ্যারে = যেমন জটিল ( 3 +1d ) *যেমন arange ( 5 )
ছাপা ( 'জটিল অ্যারে np.complex() ক্লাস ব্যবহার করে' , অ্যারে )
নীচের চিত্রে যেমন দেখানো হয়েছে, আমরা জটিল সংখ্যাগুলির একটি অ্যারে তৈরি করেছি। কিন্তু আরেকটি বিষয় আমরা চিত্রটিতে লক্ষ্য করতে পারি যে ধ্রুবক মানটি ধারাবাহিকভাবে কার্যকর করা হচ্ছে না কারণ আমরা একটি জটিল() ক্লাসে '3+1j' পাস করেছি যার অর্থ প্রতিটি পরবর্তী ধ্রুবক মানের সাথে একটি সংখ্যা তিনটি যোগ করা হবে।
পদ্ধতি 4:
যেমন বেশী ( আকৃতি , dtype = কোনোটিই নয় , আদেশ = 'গ' , * , পছন্দ = কোনোটিই নয় )এই পদ্ধতিতে np.ones(), আমরা NumPy অ্যারেতে dtype প্যারামিটার ব্যবহার করে জটিল সংখ্যার একটি অ্যারে নির্দিষ্ট করি। Np.ones() একটি নতুন অ্যারে ফেরাতে ব্যবহৃত হয় যাতে 1s থাকে। ফাংশন np.ones(), আমরা চারটি প্যারামিটার পাস করেছি “শেপ”, যেটি অ্যারের আকৃতি নির্ধারণ করতে ব্যবহৃত হয় তা “2”, “3” বা অন্যথায়। 'dtype' হল ডেটা টাইপ। আমাদের ক্ষেত্রে আমরা একটি জটিল ডেটাটাইপ ব্যবহার করব। 'অর্ডার' সংজ্ঞায়িত করে যে অ্যারেটি এক-মাত্রিক, দ্বি-মাত্রিক বা বহুমাত্রিক।
উদাহরণ # 03:
জটিল সংখ্যা ব্যবহার করার সময় এটি কীভাবে কাজ করে সে সম্পর্কে আরও ভাল ধারণা পেতে ones() পদ্ধতি প্রয়োগ করি। এই পদ্ধতিটি বাস্তবায়ন করার জন্য, প্রথমে আমাদের NumPy-এর প্যাকেজগুলি আমদানি করুন যা পাইথন দ্বারা সরবরাহ করা হয়েছে। এর পরে, আমরা একটি অ্যারে তৈরি করব যেখানে আমরা np.ones() ফাংশনটি পাস করব যেখানে আমরা দুটি প্যারামিটার পাস করেছি। প্রথমটি হল '4' যার মানে অ্যারের আকার হবে 4 এবং দ্বিতীয়টি হল 'dtype' যা জটিল। এর মানে, আমরা ডাটা টাইপ জটিল সংখ্যার একটি অ্যারে তৈরি করতে যাচ্ছি। ones() ফাংশনকে “2” মান দিয়ে গুণ করলে আমাদের আসল সংখ্যা হবে “2”। শেষ পর্যন্ত, আমরা প্রিন্ট স্টেটমেন্ট ব্যবহার করে যে অ্যারে তৈরি করেছি তা প্রিন্ট করেছি।
আমদানি নম্র হিসাবে যেমনঅ্যারে = যেমন বেশী ( 4 , dtype = জটিল ) * দুই
ছাপা ( 'np.ones() ফাংশন ব্যবহার করে জটিল অ্যারে' , অ্যারে )
নীচে দেখানো হিসাবে, আমাদের কোডের আউটপুট সফলভাবে নির্বাহ করা হয়েছে যেখানে আমাদের একটি এক-মাত্রিক অ্যারে রয়েছে যাতে একটি বাস্তব সংখ্যা 2 সহ 4টি জটিল মান রয়েছে।
উদাহরণ # 04:
আসুন এখন আরেকটি উদাহরণ বাস্তবায়ন করি যেখানে আমরা জটিল সংখ্যার একটি অ্যারে তৈরি করব এবং জটিল সংখ্যার কাল্পনিক এবং বাস্তব অংশগুলি প্রিন্ট করব। আমরা প্রথমে NumPy লাইব্রেরি আমদানি করব, তারপর একটি অ্যারে তৈরি করব যেখানে আমরা '6' জটিল মানগুলিকে 'অ্যারে' নামক একটি অ্যারেতে পাস করেছি যা হল '56+0j, 27+0j, 68+0j, 49+0j, 120+0j , 4+0j”। পরের লাইনে, আমরা সহজভাবে অ্যারে প্রিন্ট করেছি। এখন, আমরা জটিল অ্যারের কাল্পনিক এবং বাস্তব মান প্রিন্ট করি।
Numpy নীচে দেখানো উভয় অপারেশনের জন্য একটি অন্তর্নির্মিত ফাংশন প্রদান করে। কাল্পনিক অংশটি পাওয়া প্রথমটি হল “array_name.imag” যেখানে বিন্দুর পূর্বের মান হল সেই অ্যারে যেখান থেকে আমাদের কাল্পনিক অংশটি পেতে হবে। আর আসল অংশটি পাওয়ার জন্য দ্বিতীয়টি হল “array_name.real”। আমাদের ক্ষেত্রে, একটি অ্যারের নাম 'অ্যারে' তাই আমরা উভয় উপাদান পেতে প্রিন্ট স্টেটমেন্ট, অ্যারের নাম এবং কীওয়ার্ড পাস করেছি।
আমদানি নম্র হিসাবে যেমনঅ্যারে = যেমন অ্যারে ( [ 56 .+ 0 . j , 27 .+ 0 . j , 68 .+ 0 . j , 49 .+ 0 . j , 120 .+ 0 . j , 3 + 4 . j ] )
ছাপা ( 'মূল অ্যারে:x' , অ্যারে )
ছাপা ( 'অ্যারের আসল অংশ:' )
ছাপা ( অ্যারে . বাস্তব )
ছাপা ( 'অ্যারের কাল্পনিক অংশ:' )
ছাপা ( অ্যারে . ইমেজ )
নীচের স্নিপেটে দেখানো হয়েছে, জটিল অ্যারের কাল্পনিক এবং বাস্তব অংশ সফলভাবে কার্যকর করা হয়েছে এমন আউটপুট। যেখানে আসল অংশগুলি হল “56”, “27”, “68”, “120”, এবং “3”। এবং কাল্পনিক অংশগুলি হল '0 এর'।
উপসংহার
এই নিবন্ধে, আমরা সংক্ষিপ্তভাবে জটিল সংখ্যা এবং NumPy এর অন্তর্নির্মিত ফাংশনগুলি ব্যবহার করে কীভাবে জটিল অ্যারে তৈরি করতে পারি তা নিয়ে আলোচনা করেছি। আমরা একাধিক ফাংশন বর্ণনা করেছি যা আমাদেরকে আরও ভালোভাবে বোঝার জন্য একাধিক উদাহরণ প্রয়োগ করে জটিল অ্যারে তৈরি করতে সক্ষম করে।