🖖🏻 👨🏼‍⚕️ 🌺 क्लोन Numpy 🤴🏽 🍻 👩🏽‍🤝‍👨🏾

तीसरे पक्ष के पुस्तकालयों (एक NumPy क्लोन, लेकिन केवल शुद्ध पायथन में) का उपयोग किए बिना पायथन में सरणियों के साथ काम करने के लिए एक छोटा मॉड्यूल।

विश्वविद्यालय में होमवर्क को एक कार्यक्रम लिखने के लिए कहा गया था जो मैट्रिक्स के मानदंडों और डिकम्पोज़िशन की गणना करता है, लेकिन तीसरे पक्ष के पुस्तकालयों का उपयोग करने के लिए मना किया गया था। प्रोग्रामिंग भाषा का विकल्प सीमित नहीं है। मैंने अजगर को चुना (जो कि एक गलती थी, क्योंकि यह जावा और सी / सी ++ की तुलना में बहुत धीमा है) और तदनुसार मैं न्यूमपी का उपयोग नहीं कर सकता। इस प्रक्रिया में, मुझे सरणियों के साथ संचालन करने के लिए कार्य लिखना था, नाबालिगों को खोजने के लिए कार्य, निर्धारक, आदि। परिणाम सरणियों के साथ काम करने के लिए एक मिनी पुस्तकालय है।

मेरा शुद्ध अजगर कोड NumPy की तुलना में बहुत धीमा है, जो C और फोरट्रान गणना करता है (साथ ही मेरा कोड अनुकूलित नहीं है)।

MatLOL क्या कर सकता है:

मेट्रिसेस का योग, अंतर और उत्पाद
संख्या द्वारा मैट्रिक्स उत्पाद
मैट्रिक्स संक्रमण
लघु मैट्रिक्स
मैट्रिक्स निर्धारक
उलटा मैट्रिक्स
संघ मैट्रिक्स
मैट्रिक्स की स्थिति संख्या
पहला, दूसरा (अंतिम रूप नहीं दिया गया), यूक्लिडियन और अनंत मैट्रिक्स मानदंड
समीकरण का हल AX = B
LU अपघटन
चोल्स्की अपघटन
सीडेल विधि

मैथॉल उदाहरण

मॉड्यूल आयात करें:

# from mathlol import * from mathlol import mathlol

मैट्रिक्स आरंभीकरण

 matrix = mathlol() matrix.set([[1, 2, 3], [4, 5, 6], [7, -8, 9]]) matrix.get() #

कुछ मैट्रिक्स ऑपरेशन

 matrix * 2 #     2 A = [[0, 0, 0], [0, 1, 0], [0, 0, 0]] #  2  matrix.dot(A) matrix * A matrix.transposition() #   matrix.minor(i = 0, j = 0) #   matrix.determinant() #   matrix.inverse() #   L, U = matrix.lu() # LU  matrix.seidel(b = [[5.0], [9.0], [1.0]]) #

वैक्टर के साथ काम करने के लिए भी कार्य हैं

 vector = mathlol() vector.set([1, 2, 3, 4, 5]) vector.checkvector() # ,     vector.norm1_vector() vector.norm2_vector() vector.norm3_vector()

अन्य उदाहरण

मैथॉल प्रदर्शन

आइए देखें एनएक्सएन आकार के मैट्रिक्स के कंप्यूटिंग उत्पादों की गति। मैट्रिक्स -100 से 100 तक यादृच्छिक पूर्णांकों से भरे हुए हैं।

कोड

 from mathlol import mathlol import time import random import matplotlib.pyplot as plt #    data = {} for i in range(10, 110, 10): array = [] for i_ in range(i): temp = [] for j_ in range(i): temp.append(random.randint(-100, 100)) array.append(temp) data[i] = array #      mlol_dot = {} for key in data.keys(): matrix = mathlol() matrix.set(matrix = data[key]) start = time.process_time() result = matrix * matrix end = time.process_time() - start mlol_dot[key] = end #   plt.plot(mlol_dot.keys(), mlol_dot.values()) plt.title("MathLOL \n ") plt.xlabel("  (NxN)") plt.ylabel(" ()")

100x100 से 1000x1000 तक मैट्रिक्स उत्पाद के आकार की गणना

संख्यात्मक और मैथोल की कम्प्यूटेशनल गति की तुलना करें। दुर्भाग्य से, मैथलोल की गति बहुत धीमी थी और मैंने मैथ्स को 100x100 से 1000x1000 तक के अंक के लिए और 10x10 से 100x100 तक मैथॉल के लिए लेने का फैसला किया।

MathLOL ने मैट्रिक्स प्रोडक्ट 100x100 की गणना 0.16 सेकंड में ही की, और NumPy ने मैट्रिक्स के प्रोडक्ट 1000x1000 की गणना 0.002 (!!!) सेकंड में ही की। अंतर बहुत बड़ा है।

हमारा काम बस मैट्रिस के साथ काम करने के लिए विभिन्न कार्यों को लागू करना था, जो हमने किया था, लेकिन बड़े मैट्रिस के साथ कार्यक्रम उतनी तेजी से काम नहीं करता जितना हम चाहते हैं। यह कार्यक्रम को परिष्कृत करने के लिए बनी हुई है, कुछ और फ़ंक्शंस जोड़ें (उदाहरण के लिए, टॉड नंबर की गणना के लिए एक फ़ंक्शन), मैं आभारी रहूंगा यदि आप कोड को देखते हैं, त्रुटियों को इंगित करते हैं, और शायद कोड को परिष्कृत करने में मदद करते हैं।

यह सब, कोड और उदाहरण गिथब पर पोस्ट किए गए हैं।

PS लेख लिखने की प्रक्रिया में, मैं अपने मॉड्यूल में C / C ++ का प्रयोग और एम्बेड करना चाहता था। मैं निकट भविष्य में इस बात का ध्यान रखूंगा और यह देखूंगा कि यह NumPy के प्रदर्शन के कितना करीब होगा।

क्लोन Numpy

मैथॉल उदाहरण

मैथॉल प्रदर्शन

More articles: