ภาพรวม ใช้ numpy.maximum_sctype() คืนค่า scalar type ที่มีความแม่นยำสูงสุด (highest precision) ของ kind เดียวกับ input ที่ให้มา พารามิเตอร์ dtype: input data type (dtype object หรือ object ที่แปลงเป็น dtype ได้) ขั้นตอนการทำงาน 1. นำเข้า NumPy import numpy as np 2. ทดสอบ maximum_sctype() กรณีต

ภาพรวม ใช้ numpy.sin() หา sine ของมุม (เรเดียน) 2π = 360° คืนค่า scalar ถ้า input เป็น scalar พารามิเตอร์ x: มุมในเรเดียน out (optional): ndarray เก็บผลลัพธ์ where (optional): condition broadcast ขั้นตอนการทำงาน 1. นำเข้า NumPy import numpy as np 2. คำนวณ sine มุมต่างๆ (เรเดียน) print(\nResult

ภาพรวม ใช้ numpy.sin() หา sine ของอาร์เรย์มุมที่ให้มาเป็นองศา ต้องแปลงเป็นเรเดียนก่อน: radian = degree × π / 180 พารามิเตอร์ x: มุมในเรเดียน (อาร์เรย์) out, where (optional): ตามปกติ ขั้นตอนการทำงาน 1. นำเข้า NumPy import numpy as np 2. สร้างอาร์เรย์มุม (องศา) arr = np.array((0., 30., 45., 60.

ภาพรวม ใช้ numpy.issubclass_() ตรวจสอบว่า class แรกเป็น subclass ของ class ที่สอง คล้าย built-in issubclass() แต่คืน False แทนที่จะ raise TypeError ถ้า argument ไม่ใช่ class พารามิเตอร์ arg1: class ต้นทาง (True ถ้าเป็น subclass ของ arg2) arg2: class เป้าหมาย หรือ tuple ของ classes ขั้นตอนการทำง

ภาพรวม ใช้ numpy.trapz() ทำ numerical integration ตาม axis ที่กำหนดด้วย composite trapezoidal rule ถ้าให้ x จะ integrate ตามลำดับ elements (ไม่ sort) คืนค่า definite integral y เป็น 1-D → คืน float 1) → คืน (n-1)-D array พารามิเตอร์ y: อาร์เรย์อินพุทที่จะ integrate x (optional): sample points

ภาพรวม ใช้ numpy.cos() หา cosine ของมุม (เรเดียน) 2π = 360° คืนค่า scalar ถ้า input เป็น scalar พารามิเตอร์ x: มุมในเรเดียน out (optional): ndarray เก็บผลลัพธ์ where (optional): condition broadcast ขั้นตอนการทำงาน 1. นำเข้า NumPy import numpy as np 2. คำนวณ cosine มุมต่างๆ (เรเดียน) print(\nRe

ภาพรวม ใช้ numpy.cos() หา cosine ของอาร์เรย์มุมที่ให้มาเป็นองศา ต้องแปลงเป็นเรเดียนก่อน: radian = degree × π / 180 พารามิเตอร์ x: มุมในเรเดียน (อาร์เรย์) out, where (optional): ตามปกติ ขั้นตอนการทำงาน 1. นำเข้า NumPy import numpy as np 2. สร้างอาร์เรย์มุม (องศา) arr = np.array((0., 30., 45., 6

ภาพรวม ใช้ numpy.issubdtype() ทดสอบว่า float type ขนาดต่างๆ (float16, float32, float64) เป็น subtype ของ class np.floating หรือไม่ ขั้นตอนการทำงาน 1. นำเข้า NumPy import numpy as np 2. ทดสอบ issubdtype() กับ floating class print(Result..., np.issubdtype(np.float16, np.floating)) print(Result...,

ภาพรวม ใช้ numpy.gradient() คำนวณ gradient ของอาร์เรย์ N มิติ ใช้ central differences order 2 ที่จุดภายใน และ one-sided differences (forward/backward) order 1 หรือ 2 ที่ขอบเขต ผลลัพธ์มี shape เดียวกับ input พารามิเตอร์ f: อาร์เรย์ N มิติ samples ของ scalar function varargs (optional): spacing ระห

ภาพรวม ใช้ numpy.tan() หา tangent ของอาร์เรย์มุมที่ให้มาเป็นองศา ต้องแปลงเป็นเรเดียนก่อน: radian = degree × π / 180 พารามิเตอร์ x: มุมในเรเดียน (อาร์เรย์) out, where (optional): ตามปกติ ขั้นตอนการทำงาน 1. นำเข้า NumPy import numpy as np 2. สร้างอาร์เรย์มุม (องศา) arr = np.array((0., 30., 45.,

ภาพรวม ฟังก์ชัน arcsin (multivalued) มาตรฐานคืนค่ามุม z ที่ส่วนจริงอยู่ใน [-π/2, π/2] ใช้ numpy.arcsin() คืนค่า scalar ถ้า input เป็น scalar พารามิเตอร์ x: พิกัด y บนวงกลมหน่วย out (optional): ndarray เก็บผลลัพธ์ where (optional): condition broadcast ขั้นตอนการทำงาน 1. นำเข้า NumPy import numpy

ภาพรวม ใช้ numpy.nancumsum() คำนวณ cumulative sum ตาม axis ที่กำหนด โดยถือ NaN เป็น 0 cumulative sum ไม่เปลี่ยนเมื่อเจอ NaN และ leading NaN จะกลายเป็น 0 สไลด์ที่เป็น NaN ทั้งหมดหรือว่าง จะคืน 0 หมายเหตุ: บทความต้นฉบับอ้างอิง nancumprod() ผิด ควรเป็น nancumsum() พารามิเตอร์ a: อาร์เรย์อินพุท axis

ภาพรวม ใช้ numpy.imag() คืนส่วนจินตภาพของ argument แบบเชิงซ้อน ถ้า val เป็น real ใช้ type ของ val สำหรับ output ถ้า val มีองค์ประกอบ complex คืนค่าเป็น float พารามิเตอร์ val: อาร์เรย์อินพุท ขั้นตอนการทำงาน 1. นำเข้าไลบรารี import numpy as np 2. สร้างอาร์เรย์จำนวนเชิงซ้อน arr = np.array([36.+5.

ภาพรวม numpy.can_cast() คืน True ถ้า cast ระหว่างชนิดข้อมูลได้ตามกฎ casting rule ที่ระบุ พารามิเตอร์ from_: dtype หรืออาร์เรย์ต้นทาง to: dtype ปลายทาง casting: กฎการ cast (no, equiv, safe, same_kind, unsafe) กฎการ Cast no: ห้าม cast เลย equiv: เปลี่ยน byte-order เท่านั้น safe: cast ที่รักษาค่า

ภาพรวม numpy.promote_types() คืนค่าชนิดข้อมูล (dtype) ที่มีขนาดเล็กที่สุดและ scalar kind เล็กที่สุด ที่ type1 และ type2 สามารถ cast ได้อย่างปลอดภัย ผลลัพธ์อยู่ใน native byte order เสมอ พารามิเตอร์ type1: ชนิดข้อมูลแรก type2: ชนิดข้อมูลที่สอง ขั้นตอนการทำงาน 1. นำเข้า NumPy import numpy as np 2

ภาพรวม ฟังก์ชัน arcsin (หรือ asin, sin⁻¹) เป็น multivalued function มาตรฐานคืนค่ามุม z ที่ส่วนจริงอยู่ใน [-π/2, π/2] Real input → คืนค่า real เสมอ ค่าที่ไม่ใช่ real → nan + flag error Complex input → analytic, branch cuts [-∞, -1] และ [1, ∞] ใช้ numpy.arcsin() คืนค่าในเรเดียน [-π/2, π/2] พาราม

ภาพรวม ใช้ numpy.linalg.cond() คำนวณ condition number รองรับ 7 norms ตามพารามิเตอร์ p พารามิเตอร์ p = 2 หมายถึง 2-norm (L2 norm / largest singular value) ขั้นตอนการทำงาน 1. นำเข้าไลบรารี import numpy as np from numpy import linalg as LA 2. สร้างเมทริกซ์ 3x3 arr = np.array([[1, 1, 0], [1, 0, 1], [

ภาพรวม Tangent เทียบเท่ากับ sin(x)/cos(x) แบบ element-wise ใช้ numpy.tan() หา tangent ของมุม (radian) 2π = 360° พารามิเตอร์ x: มุมในเรเดียน out (optional): ndarray เก็บผลลัพธ์ where (optional): condition broadcast ขั้นตอนการทำงาน 1. นำเข้า NumPy import numpy as np 2. คำนวณ tangent มุมต่างๆ (เร

ภาพรวม ใช้ numpy.linalg.cond() คำนวณ condition number ของเมทริกซ์ รองรับ 7 norms ตามพารามิเตอร์ p condition number = norm(x) × norm(inv(x)) อาจเป็นค่า infinite พารามิเตอร์ p = -2 หมายถึง negative 2 norm (smallest singular value) ขั้นตอนการทำงาน 1. นำเข้าไลบรารี import numpy as np from numpy impor

ภาพรวม ใช้ numpy.issubdtype() เพื่อตรวจสอบว่า typecode ตัวแรกเป็น subtype (อยู่ต่ำกว่าหรือเท่ากัน) ของ typecode ตัวที่สองในลำดับชั้นชนิดข้อมูล (type hierarchy) ของ NumPy หรือไม่ คืนค่า True หรือ False ขั้นตอนการทำงาน 1. นำเข้า NumPy import numpy as np 2. ทดสอบ issubdtype() กรณีต่างๆ print(Result.