Das deutsche Python-Forum

Es geht sogar noch einfacher.


from multiprocessing import Pool
 
def f(x ):
    return x**3


if __name__ == '__main__':
    with Pool(2) as p:
        print(p.map(f, [7, 2, 3]))

11.11.2023
Der nächste Beitrag:

Code: Alles auswählen


from multiprocessing import Process, Value, Array
import time

def add_100(number):
    for _ in range(100):
        time.sleep(0.01)
        number.value += 1
        

def add_100_array(numbers):
    for _ in range(30):
        time.sleep(0.01)
        for i in range(len(numbers)):
            numbers[i] += 1
             

if __name__ == "__main__":

     
    shared_number = Value('i', 0)
                          
    print('Beginn mit Werten:', shared_number.value)

    shared_array = Array('d', [1.0, 3.0 ,6.0])
    print('Array zu Beginn:', shared_array[:])

    process1 = Process(target=add_100, args=(shared_number,))
    process2 = Process(target=add_100, args=(shared_number,))

    process3 = Process(target=add_100_array, args=(shared_array,))
    process4 = Process(target=add_100_array, args=(shared_array,))

    process1.start()
    process2.start()
    process3.start()
    process4.start()

    process1.join()
    process2.join()
    process3.join()
    process4.join()
     
     
     
if __name__ == '__main__':
    print('Letzter Wert:', shared_number.value)
    print('Array am Ende:', shared_array[:])

11.11.2023
Mit Zahlen kann ich die Zusammenhänge besser verstehen.
Es wird aber schon noch schwieriger

Code: Alles auswählen


from functools import reduce
from multiprocessing import Pool, cpu_count

def square(x):
    """Function """
    return x **3

if __name__ == "__main__":
    # print the number of cores
  #  print("Number of cores available equals %s" % cpu_count())

    # create a pool of workers
    with Pool() as pool:
        r = range(1, 5)
        result = pool.map(square, r )

    total = reduce(lambda x , y  : x * y, result)

    print("das Produkt der ersten    5  Zahlen  = :%s" % total)
    print("Hier die Anzahl der CPU-Kerne", cpu_count())

11.11.23
In diesem Fall kann ich den laufewnden
Prozess (runnung_ process ) nicht stoppen oder muss ich länger warten ?

Code: Alles auswählen

rom multiprocessing import Process ,Pipe , current_process

from datetime import datetime
import time, random

dta1 = 1

def getSensorData(conn,dta1):
    print("getsensorData gerufen")
    ctr = 0
    while ctr <10:
        timestamp = datetime.now().strftime('%Y-%m-%d %H:%M:%S')
        #print("time: ",timestamp)
        time.sleep(0.15)
        dta_1 = random.randint(0,99)
        dta_2 = random.randint(0,99)
        dta_3 = random.randint(0,99)
        conn.send([timestamp, dta_1,dta_2, dta_3])
        ctr += 1

def Control_Proc():
    p = current_process()
    print('Starting:', p.name, p.pid)
    parent_conn, child_conn = Pipe()
    ptemp = Process(name="getSensorData", target=getSensorData,\
    args=(child_conn,dta1))
    ptemp.daemon = True
    ptemp.start()

    while(True):
        while parent_conn.poll():
            timestamp, data_01,data_02, data_03 \
            = parent_conn.recv()
            print(timestamp, " data01: ",data_01, "data_02: "\
            ,data_02, "data_03: ",data_03)
            time.sleep(1 )


if __name__ == '__main__':
    Control_Proc()

13.11.2023
Ein Programm, das sehr schön zeigt,
wie Warteschlangen und >Arbeitsprozesse arbeiten.
Hier wieder einmal mit Zahlen.
Gute Zeit OSWALD

Code: Alles auswählen



import   time
import random

from multiprocessing import Process, Queue, current_process, freeze_support

#
# Function run by worker processes
#

def worker(input, output):
    for func, args in iter(input.get, 'STOP'):
        result = calculate(func, args)
        output.put(result)


def calculate(func, args):
    result = func(*args)
    return '%s bedeutet, dass %s%s = %s' % \
        (current_process().name, func.__name__, args, result)

#
# Functions referenced by tasks
#

def mul(a, b):
    time.sleep(0.5*random.random())
    return a * b

def plus(a, b):
    time.sleep(0.5*random.random())
    return a + b

def potenz(a,b):
   time.sleep(0.5*random.random())
   return a **b
#

def test():
    NUMBER_OF_PROCESSES = 4
    TASKS1 = [(mul, (i, 7)) for i in range(20)]
    TASKS2 = [(plus, (i, 8)) for i in range(10)]
    TASKS3 = [(potenz,(i,9))for i in range(5)]
    # Create queues
    task_queue = Queue()
    done_queue = Queue()

    # Submit tasks
    for task in TASKS1:
        task_queue.put(task)

    # Start worker processes
    for i in range(NUMBER_OF_PROCESSES):
        Process(target=worker, args=(task_queue, done_queue)).start()

    # Get and print results
    print('Hier die ungeordneten  Ergebnisse von X*x, sowie  X+X' )
    print('Das Beispiel   zeigt, wie queues  verwendet werden, um Aufgaben an \
             diverse  Arbeitsprozesse weiterzuleiten und die Ergebnisse zu sammeln:')


    for i in range(len(TASKS1)):
        print('\t', done_queue.get())

    # Add more tasks using `put()`
    for task in TASKS2:
        task_queue.put(task)

    # Get and print some more results
    for i in range(len(TASKS2)):
        print('\t', done_queue.get())

    for task in TASKS3:
        task_queue.put(task)

    for i in range(len(TASKS3)):
        print('\t', done_queue.get())


    # Tell child processes to stop
    for i in range(NUMBER_OF_PROCESSES):
        task_queue.put('STOP')


if __name__ == '__main__':
    freeze_support()
    test()

13.11.2023
Vor-und Nachteile von Multiprocessing und threads.
Hier ist threads schneller als multiprocessing.
OSWALD

Code: Alles auswählen



from time import time
import multiprocessing as mp
from multiprocessing.pool import ThreadPool
import numpy as np
import pickle

def main():
    arr = np.ones((1024, 1024, 1024), dtype=np.uint8)
    expected_sum = np.sum(arr)

    with ThreadPool(1) as threadpool:
        start = time()
        assert (
            threadpool.apply(np.sum, (arr,)) == expected_sum
        )
        print("Thread pool:", time() - start)

    with mp.get_context("spawn").Pool(1) as processpool:
        start = time()
        assert (
            processpool.apply(np.sum, (arr,))
            == expected_sum
        )
        print("Process pool:", time() - start)

if __name__ == "__main__":
    main()

ich habe jetzt versucht das Ganze auf einen
Arbeitsprozess zu reduzieren und zwar mit einer Funktion als Inhalt.
Ich hoffe, dass der neue Code fehlerfrei ist
Gute Zeit OSEWALD

Code: Alles auswählen


import   time
import random
from scipy import integrate
import numpy as np
from multiprocessing import Process, Queue, current_process, freeze_support
from scipy import integrate
 

def worker(input, output):
    for func, args in iter(input.get, 'STOP'):
        result = calculate(func, args)
        output.put(result)


def calculate(func, args):
    #result = func(*args)
    return '%s bedeutet, dass %s%s = %s' % \
        (current_process().name, func.__name__, args, result)

#
# Functions referenced by tasks
#

def bogen(a, b):
    time.sleep(0.1)
    return  lambda x: x**3 +2*x**2 -4
print ("Numerische Integration mit Quadratur von Gauß")
f = lambda x: x**3 +2*x**2 -4
print(integrate.quadrature(f, 0.0, 1.0))
print(1/9.0)  # Gewichtsfunktion 1/(1-x**2) **1/2   
print(integrate.quadrature(np.sin, 0.0, np.pi/2))
print("Die Bogenlänge  =  ",np.sin(np.pi/2)-np.sin(1) )   # analytical result
 

def test():
    NUMBER_OF_PROCESSES = 1
    TASKS1 = [(bogen, (i,1)) for i in range(2)]
     
    # Create queues
    task_queue = Queue()mport   time
import random
from scipy import integrate
import numpy as np
from multiprocessing import Process, Queue, current_process, freeze_support
from scipy import integrate
 

def worker(input, output):
    for func, args in iter(input.get, 'STOP'):
        result = calculate(func, args)
        output.put(result)


def calculate(func, args):
    #result = func(*args)
    return '%s bedeutet, dass %s%s = %s' % \
        (current_process().name, func.__name__, args, result)

#
# Functions referenced by tasks
#

def bogen(a, b):
    time.sleep(0.1)
    return  lambda x: x**3 +2*x**2 -4
print ("Numerische Integration mit Quadratur von Gauß")
f = lambda x: x**3 +2*x**2 -4
print(integrate.quadrature(f, 0.0, 1.0))
print(1/9.0)  # Gewichtsfunktion 1/(1-x**2) **1/2   
print(integrate.quadrature(np.sin, 0.0, np.pi/2))
print("Die Bogenlänge  =  ",np.sin(np.pi/2)-np.sin(1) )   # analytical result
 

def test():
    NUMBER_OF_PROCESSES = 1
    TASKS1 = [(bogen, (i,1)) for i in range(2)]
     
    # Create queues
    task_queue = Queue()
    done_queue = Queue()

    # Submit tasks
    for task in TASKS1:
        task_queue.put(task)

    # Start worker processes
    for i in range(NUMBER_OF_PROCESSES):
        Process(target=worker, args=(task_queue, done_queue)).start()

    # Get and print results
    print(' -Bogenlänge-  ist hier   der einzige Arbeitsprozess')
    print(' der natürlich erweitert werden kann. ')
    for i in range(len(TASKS1)):
        print('\t', done_queue.get())
 
     

    # Tell child processes to stop
    for i in range(NUMBER_OF_PROCESSES):
        task_queue.put('STOP')


if __name__ == '__main__':
    freeze_support()
    test()
    done_queue = Queue()

    # Submit tasks
    for task in TASKS1:
        task_queue.put(task)

    # Start worker processes
    for i in range(NUMBER_OF_PROCESSES):
        Process(target=worker, args=(task_queue, done_queue)).start()

    # Get and print results
    print(' -Bogenlänge-  ist hier   der einzige Arbeitsprozess')
    print(' der natürlich erweitert werden kann. ')
    for i in range(len(TASKS1)):
        print('\t', done_queue.get())
 
     

    # Tell child processes to stop
    for i in range(NUMBER_OF_PROCESSES):
        task_queue.put('STOP')


if __name__ == '__main__':
    freeze_support()
    test()

14.11.2023
Mit Multiprocessing lässt sich auch gut plotten
Gute Zeit OSWALD

Code: Alles auswählen


mport time
import random

from multiprocessing import Process, Queue, current_process, freeze_support

#
# Function run by worker processes
#

def worker(input, output):
    for func, args in iter(input.get, 'STOP'):
        result = calculate(func, args)
        output.put(result)

#
# Function used to calculate result
#

def calculate(func, args):
    result = func(*args)
    return '%s says that %s%s = %s' % \
        (current_process().name, func.__name__, args, result)

 
def mul(a, b):
    time.sleep(0.5*random.random())
    return a * b

def plus(a, b):
    time.sleep(0.5*random.random())
    return a + b

def plotten(x,y):
      time.sleep(0.5*random.random())
      return
import matplotlib.pyplot as plot
import numpy 
import math 
from math import *

x = numpy.empty(300)
y = numpy.empty(300)
 
for i in range(300):
  x[i] = (i - 1) * 0.02
  y[i] = math.sin(x[i])
 
plot.plot(x, y)
plot.xlabel('x')
plot.ylabel('x')
plot.title('FUNKTIONSPLOT   im MULTIPROZESS  t')
plot.grid(True)
plot.savefig("plot.png")
plot.show()
#################################




def test():
    NUMBER_OF_PROCESSES =3
    TASKS1 = [(mul, (i, 7)) for i in range(5)]
    TASKS2 = [(plus, (i, 8)) for i in range(5)]
    TASKS3= [(plotten (i, 1)) for i in range(1)]
    # Create queues
    task_queue = Queue()
    done_queue = Queue()

    # Submit tasks
    for task in TASKS1:
        task_queue.put(task)

    # Start worker processes
    for i in range(NUMBER_OF_PROCESSES):
        Process(target=worker, args=(task_queue, done_queue)).start()

    # Get and print results
    print('Hier die restlichen Ergebnisse:')
    for i in range(len(TASKS3)):
        print('\t', done_queue.get())

    # Add more tasks using `put()`
    for task in TASKS2:
        task_queue.put(task)

    # Get and print some more results
    for i in range(len(TASKS2)):
        print('\t', done_queue.get())

    for i in range(len(TASKS3)):
        print('\t', done_queue.get())



    # Tell child processes to stop
    for i in range(NUMBER_OF_PROCESSES):
        task_queue.put('STOP')


if __name__ == '__main__':
    freeze_support()
    test()

15.11.2023
Hier zeige ich eine heatmap, die mit <* Plotly*,
eine Graphik-Bibliothek für Python,
hergestellt wurde.
Aber was hat Plotly mit Multiprocessing zu tun ?
Ich stellte fest, dass Plotly ohne numpy nicht läuft.
Multiprocessing ist also Bestandteil auch von von numpy.
Jetzt will ich mich näher mit Plotly beschäftigen.
Ich bin sehr neugierig.
Hier ein erstes Beispiel, eine heatmap.
Gute Zeit OSWALD

Code: Alles auswählen


import plotly.graph_objects as go  
import numpy as np  
  
feature_x = np.arange(0, 50, 2)  
feature_y = np.arange(0, 50, 3)  
  
# Creating 2-D grid of features  
[X, Y] = np.meshgrid(feature_x, feature_y)  
  
Z = (X / 3) + (Y / 4)  
  
# plotting the figure 
fig = go.Figure(data =
     go.Heatmap(x = feature_x, y = feature_y, z = Z,))  
  
fig.show()

16.11.2023
Die Low-Code-Bibliothek - PLOTLY - ist eine Technik,
die es speziell für Unternehmen ermöglicht, maßgeschneiderte Lösungen
mit innovativen Funktionen zu entwickeln, die auf bestimmte Geschäftsmodelle
zugeschnitten sind.
Plotly ist also nichts für 'Mathe-Spielereien', sondern für Profis gedacht.
Hier ein Beispiel, wie mit ganz wenigen Zeilen, eine aufwendige Graphik
generiert werden kann.

Code: Alles auswählen

##################
 

import plotly.graph_objects as px 
import numpy as np 
  
  
# creating random data through randomint 
# function of numpy.random 
np.random.seed(42) 
  
# Data to be Plotted 
random_x = np.random.randint(1, 101, 100) 
random_y = np.random.randint(1, 101, 100) 
  
plot = px.Figure(data=[px.Scatter( 
    x=random_x, 
    y=random_y, 
    mode='markers',) 
]) 
  
# Add dropdown 
plot.update_layout( 
    updatemenus=[ 
        dict( 
            buttons=list([ 
                dict( 
                    args=["type", "scatter"], 
                    label="Scatter Plot", 
                    method="restyle"
                ), 
                dict( 
                    args=["type", "bar"], 
                    label="Bar Chart", 
                    method="restyle"
                ) 
            ]), 
            direction="down", 
        ), 
    ] 
) 
  
plot.show()

16.11.23
Hier ein noch treffenderes Beispiel
( 8 Zeilen!)
Gute Zeit OSWALD

Code: Alles auswählen


##########################   Low-Code Python
 
import plotly.graph_objects as go  
import numpy as np  
  
# Data to be plotted 
x = np.outer(np.linspace(-2, 2, 30), np.ones(30))  
y = x.copy().T  
z = np.cos(x ** 2 + y ** 2)  
  
# plotting the figure 
fig = go.Figure(data=[go.Surface(x=x, y=y, z=z)])  
  
fig.show()
#######################
###################

25.112023
Was für den Profi - normal- sein mag, wird für
den Anfänger sehr oft zum echten Problem:
Es geht in diesem Fall um
" Str und " ret"r und/ oder um ' format' .
Ich habe mich für 'format' entschieden.
Schwierig sind beide, besonders im String-Bereich.
Den klaren Unterschied zwischen beiden Methoden/Funktionen )
kann man an folgendem Zahlenbeispiel erkennen.
Generell halte ich den Umgang mit dem Bereich "repr /str" für schwieriger
Hier zunächst ein erstes Beispiel
Gute Zeit OSWALD

Code: Alles auswählen

for x in range(1, 6):
    print(repr(x).rjust(2), repr(x*x).rjust(3), end=' ')
    # Achte auf die Benutzung von 'end' in der vorherigen Zeile
    print(repr(x*x*x).rjust(4))
print()
  

for x in range(1, 6):
     print('{0:2d} {1:3d} {2:4d}'.format(x, x*x, x*x*x))
print()
 


for x in range(1, 11):
    print(repr(x).rjust(2), repr(x*x).rjust(3), end=' ')
    # Achte auf die Benutzung von 'end' in der vorherigen Zeile
    print(repr(x*x*x).rjust(5))
print()
 

for x in range(1, 11):
    print('{1:2d} {2:3d} {3:5d}'.format(x, x*x, x*x*x,x*x*x*x))
  
 
[code]

25,11,23
Bei den beiden genannten Modulen/Funktionen
bleibt es jedoch nicht.
Diese tauchen natürlich auch bei vielen anderen Anwendungen
auf und verkomplizieren das Ganze erheblich.

Jetzt gibt es bei Python auch noch F-Strings.
Ich hoffe, dass es damit für mich leichter wird,
Ausgaben von Python- Skripten zu formatieren.
Es gibt in der Praxis kaum einen Code, der nicht
auf Formatierung in irgendeiner Form angewiesen ist.
Hier ein erstes Beispiel,
Gute Zeit OSWALD

Code: Alles auswählen


#Beispiel mit F-String

language = "   etwa ab  Python3.7   "
school = "F-String"
print(f" jetzt kommt   {language} auch noch from {school} dazu .")
print()

Version = '3.11.4'
Anmerkung ='das ist OK'
print(f' mein Python hat die Version  {Version} {Anmerkung}')

25.11.23
Hier zwei schöne Beispiele für F-Strings,
'unkompliziert elegant'
Auch von den beiden ' alten Formaierungen'
kommen noch welche.
Gute Zeit OSWALD

Code: Alles auswählen


import math
goldenerSchnitt = (1+math.sqrt(5))/2
print(f"{goldenerSchnitt=}")
  
print(f"{goldenerSchnitt = }")
print(f"{goldenerSchnitt = :.6f}")
print(f"{(1+math.sqrt(5))/2 = :.6f}") 

#####################
APPLES = .50
BREAD = 1.50
CHEESE = 2.25
numApples = 3
numBread = 10
numCheese = 6
prcApples = numApples * APPLES
prcBread = numBread* BREAD
prcCheese = numCheese * CHEESE
strApples = 'Apples'
strBread = 'Rye Bread'
strCheese = 'Cheese'
total = prcBread + prcCheese + prcApples
print(f'{"My Grocery List":^30s}')
print(f'{"="*30}')
print(f'{strApples:10s}{numApples:10d}\t${prcApples:>5.2f}')
print(f'{strBread:10s}{numBread:10d}\t${prcBread:>5.2f}')
print(f'{strCheese:10s}{numCheese:10d}\t${prcCheese:>5.2f}')
print(f'{"Total:":>20s}\t${total:>5.2f}')

15.11.23
Hier noch eine kurze Zusammenschau
zum direkten Vergleich:
Gute Zeit OSWALD

Code: Alles auswählen


#!/usr/bin/python
#Ein Beispiel   mit  den  derzeitigen  Formenn der Formatierung von Strings und Zahlen
Name = 'Max'
Alter = 28

print('%s ist %d Jahre alt' % (Name, Alter))
#Dies ist die älteste Option.    
print()

print('{} ist {} Jahre alt'.format(Name, Alter))
#Seit Python 3.0 format wurde die Funktion eingeführt 

print()
print(f'{Name} ist {Alter}Jahre alt')
#Pythons        F-Strings .

26.11.2023
zwei Beispiele mit der FORMAT-Funktion,
einmal einfacher , einmal kompliziert.

OSWALD

Code: Alles auswählen

wieoft = {"und": 100, "oder": 87, "nicht": 31,"weniger": 15}
for word in wieoft:
    output = "Das Wort '" + word + "' kommt " + str(wieoft[word]) + "-mal vor ."
    print(output)
print()
####################
langer_text = "Ich hab', ich hab', ich hab', ich hab', ich hab', zu wenig Platz"
print(len(langer_text))
print("-->{:50}<--".format(langer_text))
##Per Default wird der einzusetzende Ausdruck innerhalb seines Slots links ausgerichtet.
#Wir können explizit andere Ausrichtungen erzwingen:

print("-->{:<40}<--".format("links"))
print("---")
print("-->{:>40}<--".format("rechts"))
print("---")
print("-->{:^40}<--".format("zentriert"))

17.11.2023
Informatik ohne Formatierung und Python ?
Geht gar nicht,
Heute zwei weitere Tools mit Formatierung
Gute Zeit OSWALD-

Code: Alles auswählen


#     "Wann war was ?
import datetime
now = datetime.datetime.now()
tage_vorher= now - datetime.timedelta(days=7) #beliebig

print(f'{tage_vorher:%d-%m-%Y-%H %M:%S}')
#''2020-10-13 20:24:17'
print('  Tage  vorher , nachher    und  gleiche  Tageszeit')
print(f'{now:%d-%m-%Y- %H:%M:%S}')
#'2020-10-23 20:24:17'

#######################

#                          Zahlensysteme konvertieren mit F-Strings

bases = {
       "b": "bin", 
       "o": "oct", 
       "x": "hex", 
       "X": "HEX", 
       "d": "decimal"
}

print("'      bin'    ,'oct '    ,'hex '    ,'HEX    ', 'dec'")
for n in range(1, 21):
          for base, desc in bases.items():
             print(f"{n:10{base}}", end=' ')
          print()
print("'      bin'        ,'oct '     ,'hex '     ,'HEX     ', 'dec'")

28.11.2023
Zum Abschluss wieder die 'Mathe -Spielerei' .
Es könnten natürlich genauso Zahlen aus einer Buchhaltung oder einem
beliebigen Text sein . Alles F-String und Python.
OSWALD

Code: Alles auswählen

import numpy as np
from numpy import *
import scipy.integrate as integrate
from scipy.integrate import quad
num1 = 4
num2 =  log(2)   

print(f"Potenz   von {num1} und {num2}   = {num1 ** num2}.")
print(f"Produkt  von {num1} und {num2}  = {num1 * num2}.")
print(f"Summe  von {num1} und {num2} =  {num1 + num2}.") 
print(f"Differenz  von {num1} und {num2} =  {num1 - num2}.")
print(f"Quotient    von {num1} und {num2} =  {num1/ num2}.")

################################
def integrand(x, a, b):
    return a*x**4 + b

x=1
a= log(e)
b = exp(- 0.2)
I = quad(integrand, 0, 1, args=(a,b))
print( f "Bestimmtes Integral von      (a*x**2 **b)      =  {I} ")

29.11.2023
Unter den Format-Methoden wird F-String als die schnellste
bezeichnet. Hier ein Testprogramm.
(Die template-Methode ist eigentlich nur im
Zusammenhang mit Vorlagen aus dem Web interessant)
OSWALD

Code: Alles auswählen

# Using format() method
format_method = timeit.timeit("""
char = 'Iron man' 
name = 'Stan Lee'
'{} was created by {}.'.format(char, name)
""", number=1000000)
print(format_method)
 
# Using f-string
fst = timeit.timeit("""
char = 'Iron man' 
name = 'Stan Lee'
f'{char} was created by {name}.'
""", number=1000000)
print(fst)
 
# Using Template Class
tcl = timeit.timeit("""
from string import Template
char = 'Iron man'
name = 'Stan Lee'
my_str = Template("$x was created by $y.")
my_str.substitute(x=char, y=name)""", number=1000000)
print(tcl)

5.12.2023
Wer sich näher mit F-String beschäftigt, macht früher oder später
Bekanntschaft mit # Snippets#.
Und schon wieder einmal befinde ich mich wieder mitten in Python.
Es gibt kaum eine Funktion ,Modul oder Paket in Python,
das nicht auch in snippets voirkommen kann, eben alles.

Was ist ein Snippet?
Snippets sind knappe Texte, die Inhalt oder Qualität eines
Objektes möglichst exakt beschreiben können.
(das ist meine persönliche Definition)

Wenn der User auf einer Suchmaschine(z.B. Google) einen bestimmten
Sachverhalt eruieren will, dann schreibt er mehr oder weniger
unbewusst einen Text. Je nachdem ,wie erfolgreich sein Suchtext
ausfällt, hat er ein gutes oder schlechtes 'snippet' (Schnipsel) geschrieben.

Umgekehrt , wenn ein Online- Händler auf dem Internet seine
Artikel anbietet, dann wird die Zahl der Klicks je nach Qualität
seiner snippets sowie der erzielte Umsatz hoch oder niedrig sein.

Snippets sind im Netz so verbreitet etwa wie Mikroplastik im Ozean,
ab im Gegensatz von enormer wirtschaftlicher Bedeutung.

Hier zunächst 2 Beispiele
Gute Zeit OLSWALD

Code: Alles auswählen

def arithmetic_progression(n , limit):
  return list(range(n, limit +1 , n))
print(arithmetic_progression(3 ,10))

###############################
#Wie normalisiert man ein NumPy-Array auf einen Einheitsvektor?
#Um einen NumPy-Array auf einen Einheitsvektor zu normalisieren,
#kann man    die numpy.linalg.norm Funktion verwenden,
#die Größe des Vektors  berechnen, und den Array anschließend durch diese Größe teilen.
# Dafür  hier  ein    Beispielcode-snippet  (Schnipsel)

import numpy as np

# ARRAY initialisieren
arr = np.array([1, 2, 3])
# Berechne dei Größe des Vektors
magnitude = np.linalg.norm(arr)
# Normalisierung mit   Teiling des Arrays  durch  die Größe
unit_vec = arr / magnitude

print(unit_vec)

Das deutsche Python-Forum

kleine Mathe-Spielereien

Re: kleine Mathe-Spielereien

Re: kleine Mathe-Spielereien

Re: kleine Mathe-Spielereien

Re: kleine Mathe-Spielereien

Re: kleine Mathe-Spielereien

Re: kleine Mathe-Spielereien

Re: kleine Mathe-Spielereien

Re: kleine Mathe-Spielereien

Re: kleine Mathe-Spielereien

Re: kleine Mathe-Spielereien

Re: kleine Mathe-Spielereien

Re: kleine Mathe-Spielereien

Re: kleine Mathe-Spielereien

Re: kleine Mathe-Spielereien

Re: kleine Mathe-Spielereien

Re: kleine Mathe-Spielereien

Re: kleine Mathe-Spielereien

Re: kleine Mathe-Spielereien

Re: kleine Mathe-Spielereien

Re: kleine Mathe-Spielereien