NumPy का numpy.linalg.solve() फंक्शन रैखिक मैट्रिक्स समीकरण Ax = b का सटीक समाधान निकालता है, जहां A गुणांक मैट्रिक्स है और b आश्रित वेरिएबल वेक्टर है। सिंटैक्स numpy.linalg.solve(a, b) a: गुणांक मैट्रिक्स, आकार (N, N) — वर्ग और फुल रैंक होना चाहिए। b: दायां-पक्ष वेक्टर/मैट्रिक्स, आकार (N,) य

NumPy का numpy.char.index() फंक्शन स्ट्रिंग ऐरे के प्रत्येक एलिमेंट में सबस्ट्रिंग की पहली घटना का इंडेक्स लौटाता है। यह पायथन के स्ट्रिंग index() मेथड का वेक्टोराइज़्ड संस्करण है। सिंटैक्स numpy.char.index(a, sub) a: इनपुट स्ट्रिंग ऐरे। sub: खोजा जाने वाला सबस्ट्रिंग। वापसी: इंडेक्स का इंट

NumPy का numpy.square() फंक्शन कॉम्प्लेक्स नंबर्स सहित किसी भी संख्यात्मक टाइप के ऐरे का एलिमेंट-वाइज़ वर्ग निकालता है। कॉम्प्लेक्स नंबर z = a + bj के लिए, z² = (a² - b²) + 2ab j होता है। सिंटैक्स numpy.square(x, /, out=None, *, where=True, ...) x: इनपुट ऐरे (कोई भी संख्यात्मक टाइप: int, float,

NumPy का numpy.char.index() फंक्शन स्ट्रिंग ऐरे के प्रत्येक एलिमेंट में सबस्ट्रिंग की पहली घटना का इंडेक्स लौटाता है। start और end पैरामीटर्स से खोज रेंज सीमित कर सकते हैं। न मिलने पर ValueError उठाता है। सिंटैक्स numpy.char.index(a, sub, start=0, end=None) a: इनपुट स्ट्रिंग ऐरे। sub: खोजा जा

NumPy का numpy.nan_to_num() फंक्शन NaN मानों को शून्य से और अनंत (infinity) मानों को बड़े फाइनाइट नंबर्स से बदलता है। यह डेटा सफाई और न्यूमेरिकल स्थिरता के लिए सबसे आम उपयोग है। सिंटैक्स numpy.nan_to_num(x, copy=True, nan=0.0, posinf=None, neginf=None) x: इनपुट ऐरे। copy: True = नई कॉपी, Fals

NumPy का numpy.nan_to_num() फंक्शन NaN को शून्य (या कस्टम मान) से और अनंत (infinity) को बड़े फाइनाइट नंबर्स से बदलता है। nan पैरामीटर से NaN के लिए कस्टम रिप्लेसमेंट मान निर्दिष्ट कर सकते हैं। सिंटैक्स और पैरामीटर्स numpy.nan_to_num(x, copy=True, nan=0.0, posinf=None, neginf=None) x: इनपुट ऐरे।

NumPy का numpy.linalg.tensorsolve() फंक्शन टेंसर समीकरण A x = b को x के लिए हल करता है, जहां A एक गुणांक टेंसर है और b दायां-पक्ष टेंसर है। सिंटैक्स और पैरामीटर्स numpy.linalg.tensorsolve(a, b, axes=None) a: गुणांक टेंसर, आकार b.shape + Q। Q टपल है जो a के दायें-मोस्ट इंडेक्स के सब-टेंसर का आका

NumPy का numpy.linalg.inv() फंक्शन वर्ग मैट्रिक्स का मल्टीप्लिकेटिव इनवर्स (गुणात्मक प्रतिलोम) निकालता है। यह A⁻¹ लौटाता है जैसे कि A @ A⁻¹ = A⁻¹ @ A = I। सिंटैक्स numpy.linalg.inv(a) a: वर्ग मैट्रिक्स (2D ऐरे), आकार (N, N)। वापसी: इनवर्स मैट्रिक्स, आकार (N, N)। एक्सेप्शन: सिंगुलर मैट्रिक्स

NumPy का numpy.inner() फंक्शन ऐरे और स्केलर का इनर प्रोडक्ट निकालता है। 1-D ऐरे के लिए यह सामान्य डॉट प्रोडक्ट है, उच्च आयामों में अंतिम अक्ष पर सम-गुणनफल होता है। सिंटैक्स numpy.inner(a, b) a, b: इनपुट ऐरे/स्केलर। यदि नॉन-स्केलर हैं तो अंतिम आयाम मेल खाने चाहिए। वापसी: इनर प्रोडक्ट परिणाम।

NumPy का numpy.outer() फंक्शन दो वैक्टर्स का आउटर प्रोडक्ट (बाहरी गुणनफल) निकालता है। आउटर प्रोडक्ट में पहले वैक्टर के प्रत्येक एलिमेंट को दूसरे वैक्टर के प्रत्येक एलिमेंट से गुणा किया जाता है। सिंटैक्स numpy.outer(a, b, out=None) a: पहला इनपुट वैक्टर (1D ऐरे, फ्लैट किया जाता है)। b: दूसरा इन

NumPy का numpy.linalg.inv() फंक्शन मैट्रिक्स के स्टैक (बैच) का इनवर्स एक साथ निकाल सकता है। यह 3D ऐरे (..., M, M) को इनपुट के रूप में लेता है और प्रत्येक मैट्रिक्स का इनवर्स निकालता है। सिंटैक्स numpy.linalg.inv(a) a: वर्ग मैट्रिक्स का स्टैक, आकार (..., M, M)। वापसी: इनवर्स मैट्रिक्स का स्टैक

NumPy का numpy.linalg.pinv() फंक्शन मैट्रिक्स का मूर-पेनरोज़ सूडोइनवर्स (Moore-Penrose pseudoinverse) निकालता है। यह सिंगुलर वैल्यू डीकंपोजिशन (SVD) का उपयोग करता है और गैर-वर्ग, सिंगुलर, या खराब कंडीशन वाले मैट्रिक्स के लिए भी काम करता है। सिंटैक्स और पैरामीटर्स numpy.linalg.pinv(a, rcond=1e-15, h

NumPy का numpy.square() फंक्शन ऐरे के प्रत्येक एलिमेंट का वर्ग (x²) निकालता है। यह x * x या x ** 2 के बराबर है लेकिन अधिक पठनीय और कभी-कभी तेज़ होता है। सिंटैक्स और पैरामीटर्स numpy.square(x, /, out=None, *, where=True, casting=same_kind, order=K, dtype=None, subok=True[, signature, extobj]) x:

NumPy का numpy.linalg.pinv() फंक्शन मैट्रिक्स या मैट्रिक्स के स्टैक का मूर-पेनरोज़ सूडोइनवर्स (Moore-Penrose pseudoinverse) निकालता है। यह सिंगुलर वैल्यू डीकंपोजिशन (SVD) का उपयोग करता है और गैर-वर्ग या सिंगुलर मैट्रिक्स के लिए भी काम करता है। सिंटैक्स और पैरामीटर्स numpy.linalg.pinv(a, rcond=1e-15

NumPy का numpy.linalg.inv() फंक्शन मैट्रिक्स का मल्टीप्लिकेटिव इनवर्स (गुणात्मक प्रतिलोम) निकालता है। np.matrix ऑब्जेक्ट के साथ उपयोग करने पर यह मैट्रिक्स ऑब्जेक्ट लौटाता है। सिंटैक्स numpy.linalg.inv(a) a: वर्ग मैट्रिक्स (2D ऐरे या मैट्रिक्स ऑब्जेक्ट)। वापसी: मैट्रिक्स ainv जैसे कि a @ ainv

NumPy का numpy.linalg.tensorinv() फंक्शन 4-डायमेंशनल (या उच्च-आयामी) ऐरे का टेंसर इनवर्स निकालता है। यह tensordot ऑपरेशन के सापेक्ष इनवर्स की गणना करता है। सिंटैक्स numpy.linalg.tensorinv(a, ind=2) a: इनपुट टेंसर, आकार वर्गाकार होना चाहिए: prod(a.shape[:ind]) == prod(a.shape[ind:])। ind: इनवर

NumPy का numpy.linalg.tensorinv() फंक्शन N-डायमेंशनल ऐरे (टेंसर्स) का टेंसर इनवर्स निकालता है। यह सामान्य मैट्रिक्स इनवर्स का उच्च-आयामी सामान्यीकरण है। सिंटैक्स और पैरामीटर्स numpy.linalg.tensorinv(a, ind=2) a: इनपुट टेंसर (ऐरे)। इसका आकार वर्गाकार होना चाहिए: prod(a.shape[:ind]) == prod(a.sha

NumPy का numpy.polynomial.polynomial.polyadd() फंक्शन दो पॉलीनोमियल्स का योग निकालता है। पॉलीनोमियल्स को कोएफिशिएंट्स के सीक्वेंस के रूप में दर्शाया जाता है (निम्नतम घात से उच्चतम तक)। सिंटैक्स from numpy.polynomial import polynomial as P P.polyadd(c1, c2) c1, c2: कोएफिशिएंट्स के 1-D ऐरे। वाप

NumPy का numpy.polynomial.polynomial.polysub() फंक्शन दो पॉलीनोमियल्स का अंतर (घटाव) निकालता है। पॉलीनोमियल्स को कोएफिशिएंट्स के सीक्वेंस के रूप में दर्शाया जाता है। सिंटैक्स from numpy.polynomial import polynomial as P P.polysub(c1, c2) c1, c2: कोएफिशिएंट्स के 1-D ऐरे (निम्नतम घात से उच्चतम तक

NumPy का numpy.polynomial.polynomial.polymul() फंक्शन दो पॉलीनोमियल्स को गुणा करता है। पॉलीनोमियल्स को कोएफिशिएंट्स के सीक्वेंस के रूप में दर्शाया जाता है, जहां इंडेक्स घात (पावर) को दर्शाता है। पॉलीनोमियल प्रतिनिधित्व [c0, c1, c2, ..., cn] पॉलीनोमियल को दर्शाता है: c0 + c1*x + c2*x² + ... + cn*xⁿ