Fonction Identity de Numpy

Introduction

Dans ce laboratoire, vous allez découvrir la fonction numpy.matlib.identity() de la bibliothèque NumPy. Une matrice identité est une matrice dans laquelle tous les éléments diagonaux sont définis sur 1 et les autres éléments sur 0. Cette fonction permet de générer une matrice identité de la taille donnée et du type de données spécifié.

Conseils sur la machine virtuelle

Une fois le démarrage de la machine virtuelle terminé, cliquez dans le coin supérieur gauche pour basculer vers l'onglet Carnet de notes pour accéder au carnet Jupyter Notebook pour pratiquer.

Parfois, vous devrez peut-être attendre quelques secondes pour que le carnet Jupyter Notebook ait fini de charger. La validation des opérations ne peut pas être automatisée en raison des limitations du carnet Jupyter Notebook.

Si vous rencontrez des problèmes pendant l'apprentissage, n'hésitez pas à demander à Labby. Donnez votre feedback après la session, et nous résoudrons rapidement le problème pour vous.

Importation des bibliothèques nécessaires

Pour utiliser les fonctions requises, nous devons importer la bibliothèque NumPy. Nous voudrions également importer la fonction matlib.

import numpy as np
import numpy.matlib

Générer une matrice identité

Nous allons utiliser la fonction np.matlib.identity(n,dtype) pour générer une matrice identité de taille n et de type de données dtype.

identity_matrix = np.matlib.identity(4)
print("Identity Matrix:\n", identity_matrix)

Sortie :

Identity Matrix:
 [[1. 0. 0. 0.]
 [0. 1. 0. 0.]
 [0. 0. 1. 0.]
 [0. 0. 0. 1.]]

Générer une matrice identité avec un type de données spécifié

Nous pouvons spécifier le type de données de la matrice identité en utilisant le paramètre dtype.

identity_matrix = np.matlib.identity(4, dtype=int)
print("Identity Matrix of int type:\n", identity_matrix)

Sortie :

Identity Matrix of int type:
 [[1 0 0 0]
 [0 1 0 0]
 [0 0 1 0]
 [0 0 0 1]]

La différence entre les fonctions identity() et eye()

La fonction eye() est une autre fonction de NumPy qui génère des matrices. La fonction eye() génère une matrice dans laquelle tous les éléments diagonaux sont définis sur 1 et les autres éléments sont définis sur 0.

Générons une matrice 3x3 avec la fonction eye().

eye_matrix = np.eye(3)
print("Eye Matrix:\n", eye_matrix)

Sortie :

Eye Matrix:
 [[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]

Comme on peut le voir, dans la fonction eye(), nous avons défini la taille de la matrice en utilisant les paramètres n, m ou shape. Nous avons défini le paramètre k pour déterminer la position de la diagonale. Lorsque k = 0, la diagonale est dans la position principale, lorsque k = 1, la diagonale est une position au-dessus de la diagonale principale, et ainsi de suite.

La principale différence entre ces deux fonctions est que la fonction identity() renvoie une matrice carrée ayant des 1 sur la diagonale principale comme ceci :

[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]

alors que la fonction eye() renvoie une matrice ayant 1 sur la diagonale et 0 ailleurs, ce qui dépend de la valeur du paramètre k. Si la valeur de k > 0 alors la diagonale est au-dessus de la diagonale principale, et vice versa.

Récapitulatif

Dans ce laboratoire, vous avez appris à utiliser la fonction matlib.identity() de NumPy et comment elle génère une matrice identité de la taille et du type de données donnés. Nous avons également appris les différences entre les fonctions identity() et eye().

Conclusion

La fonction numpy.matlib.identity() peut être utilisée pour générer une matrice identité de la taille et du type de données donnés. La matrice identité est une matrice dans laquelle tous les éléments diagonaux sont définis sur 1 et tous les autres éléments sont définis sur 0. Vous pouvez également utiliser la fonction eye() pour générer une matrice avec des éléments diagonaux définis sur 1 et d'autres éléments définis sur 0, avec plus d'options pour déterminer la position des éléments diagonaux.

Récapitulatif

Félicitations ! Vous avez terminé le laboratoire sur la fonction Identity() de Numpy. Vous pouvez pratiquer d'autres laboratoires sur LabEx pour améliorer vos compétences.