欢迎来到关于 NumPy arcsinh 函数的另一个令人兴奋的教程。在这里,我们将详细了解NumPy arcsinh函数。没有任何进一步的到期让我们开始吧!
什么是双曲反正弦(反正弦)?快速概览
- arcsinh是反双曲正弦函数。
- arcsinh 的等效表达式为:
- arcsinh 函数的定义域是一组实数。
- arcsinh 函数的范围也是一组实数。
什么是 NumPy.arcsinh()?
NumPy arcsinh 是 NumPy 库提供的反双曲函数之一。它接受单个数字、复数以及 NumPy 数字数组作为输入。
NumPy arcsinh 函数可以作为 访问numpy.arcsinh()
。
语法:numpy.arcsinh(input)
其中输入可以是单个数字、复数以及 NumPy 数字数组。
使用 NumPy Arcsinh
让我们编写一些代码来更好地理解 arcsinh 函数。
将 numpy.arcsinh() 函数与包含数字的 NumPy 数组一起使用
import numpy as np a = np.array(( 0 , 2 , 3 , 10 , 90 , 100 )) arcsinh_values = np.arcsinh(a) print ( "Input Array: \n" ,a) print ( "Arcsinh Values:\n" ,arcsinh_values) |
输出
Input Array: [ 0 2 3 10 90 100] Arcsinh Values: [0. 1.44363548 1.81844646 2.99822295 5.19298771 5.29834237] |
如果您想知道如何计算这些值,您可以简单地将输入数组的值放入Arcsinh – 快速概述部分中讨论的 arcsinh 函数的等效表达式中。
让我们尝试将一些pi值传递给 arcsinh 函数。
将 numpy.arcsinh() 与具有弧度角度的 NumPy 数组一起使用
import numpy as np a = np.array((np.pi / 2 , np.pi / 4 , np.pi / 6 , 3 * np.pi / 2 )) arcsinh_values = np.arcsinh(a) print ( "Input Array :\n" ,a) print ( "Arcsinh values :\n" ,arcsinh_values) |
输出
Input Array : [1.57079633 0.78539816 0.52359878 4.71238898] Arcsinh values : [1.23340312 0.72122549 0.50221899 2.25441459] |
任务:尝试将 arcsinh 函数与欧拉数一起使用,即numpy.e
欧拉常数的值为 2.718281828。
具有复数的 NumPy Arcsinh
import numpy as np print ( "The arcsinh value of 1+2j is: \n" ,np.arcsinh( 1 + 2j )) print ( "The arcsinh value of -1+3j is: \n" ,np.arcsinh( - 1 + 3j )) |
输出
The arcsinh value of 1+2j is: (1.4693517443681852+1.0634400235777521j) The arcsinh value of -1+3j is: (-1.8241987021938828+1.2330952175293441j) |
注意:如果一个数字不能表示为实数或无穷大,则返回nan
。
这就是使用具有不同值的 arcsinh 函数。现在,让我们使用 Python 中的 Matplotlib 库绘制 arcsinh 函数。
可视化 Arcsinh 函数
import numpy as np # Importing the Matplolib library import matplotlib.pyplot as plt a = np.linspace( - 4 , 4 , 50 ) # Storing the arcsinh values b = np.arcsinh(a) plt.plot(a , b , color = "blue" , marker = "o" ) plt.title( "numpy.arcsinh()" ) plt.xlabel( "X" ) plt.ylabel( "Y" ) plt.show() |
输出
您已成功绘制 arcsinh 函数。
结论
这就是 arcsinh 函数的全部内容,这个函数非常简单易懂且易于使用。在下一个教程中,我们将详细介绍 NumPy Arccosh 函数。在那之前请继续关注🙂