Nombres imaginaires dans des tableaux NumPy

1. Utilisez la classe numpy.complex pour stocker des nombres imaginaires dans des tableaux NumPy
2. Utilisez le paramètre dtype pour stocker des nombres imaginaires dans des tableaux NumPy

En Python, nous pouvons travailler aussi bien avec des nombres réels que des nombres imaginaires.

Pour représenter un nombre complexe, nous ajoutons simplement j à la fin. Par exemple, la chaîne suivante représente un nombre imaginaire.

a = 5 + 2j
print(a, type(a))

Production:

(5+2j) <class 'complex'>

Dans ce didacticiel, nous allons apprendre à gérer les nombres imaginaires dans des tableaux numpy.

Comme discuté précédemment, nous pouvons simplement créer un nombre complexe en ajoutant j. Nous pouvons diffuser ce littéral dans un tableau en utilisant différentes fonctions comme numpy.array(), numpy.arange() et plus. Voir le code ci-dessous pour divers exemples de nombres complexes dans des tableaux numpy.

arr_1 = 1j * np.arange(5)
arr_2 = np.array([2 + 1j, 3 + 4j, 5 + 2j])
print(arr_1)
print(arr_2)

Production:

[0.+0.j 0.+1.j 0.+2.j 0.+3.j 0.+4.j]
[2.+1.j 3.+4.j 5.+2.j]

Utilisez la classe numpy.complex pour stocker des nombres imaginaires dans des tableaux NumPy

Une autre méthode de création d’objets complexes consiste à utiliser la classe complex fournie par le module numpy. Cela renvoie un objet complexe qui peut à nouveau être stocké dans des tableaux comme indiqué dans la méthode précédente.

Par example,

a = np.complex(1 + 1j)
c = a * np.arange(5)
print(c)

Production:

[0.+0.j 1.+1.j 2.+2.j 3.+3.j 4.+4.j]

Utilisez le paramètre dtype pour stocker des nombres imaginaires dans des tableaux NumPy

Une autre méthode pour lancer des nombres imaginaires dans des tableaux consiste à spécifier le paramètre dtype dans certaines fonctions de tableau numpy. Comme nous le savons, nous pouvons utiliser les fonctions numpy.zeros() et numpy.ones() pour créer des tableaux de 0 et de 1, respectivement. Ici, nous pouvons spécifier le paramètre dtype comme complex pour obtenir un tableau résultant avec des valeurs complexes.

Le code suivant explique cela.

z = np.ones(4, dtype=complex) * 2
print(z)

Production:

[2.+0.j 2.+0.j 2.+0.j 2.+0.j]