NumPy Ufunc LCM - Mínimo Múltiplo Comum

Numpy Ufunc Lcm pode ser usado para calcular o mínimo múltiplo comum de dois ou mais inteiros.

O mínimo múltiplo comum (MCM) de dois ou mais inteiros é o menor inteiro positivo divisível por todos eles.

Por exemplo :

O MMC de 4 e 6 é 12, já que 12 é o menor inteiro divisível por 4 e 6.

Neste artigo, examinaremos a função NumPy LCM , como ela é implementada e alguns exemplos de como ela pode ser utilizada na prática.



Casos de uso Numpy Ufunc Lcm

O NumPy Ufunc lcm pode ser útil em aplicações de computação científica e análise de dados, onde cálculos numéricos envolvendo números inteiros são comuns.

Possui vários recursos úteis:

  • np.lcm() pode lidar com entradas de vários tipos, incluindo inteiros , números de ponto flutuante e números complexos .
  • np.lcm() suporta transmissão, o que permite que você aplique a função a arrays de diferentes formas e tamanhos.
  • Ele é implementado em código C compilado, o que o torna muito mais rápido do que o código Python equivalente para grandes matrizes .
  • A função np.lcm() também oferece suporte a LCMs de ordem superior, que podem ser úteis em aplicativos que exigem vários níveis de cálculo de LCM.

Encontrar Mínimo Múltiplo Comum

Em Numpy Ufunc lcm , o Mínimo Múltiplo Comum é o menor número que é o múltiplo comum de dois números.

No exemplo a seguir, calcule o MMC de dois números:

Example: 

1
2
3
4
5
6
7
8
import numpy as npy
mrx1 = 7
mrx2 = 10
ample = npy.lcm(mrx1, mrx2)
print(ample)
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
Resultado : 70 Devido ao fato de que existe apenas um mínimo múltiplo comum de ambos os números (7*10=70 e 10*7=70).

Calcule o LCM de 5 e 9 no exemplo abaixo:

Example: 

1
2
3
4
5
6
7
8
import numpy as npy
mrx1 = 5
mrx2 = 9
ample = npy.lcm(mrx1, mrx2)
print(ample)
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
Resultado : 45 Devido ao fato de haver apenas um mínimo múltiplo comum de ambos os números (5*9=45 e 9*5=45).

LCM em matrizes

Você pode recuperar o menor múltiplo comum em uma matriz chamando o método reduce() no Numpy Ufunc LCM.

Nesse caso, o método reduce() chamará um ufunc que reduzirá o array em uma dimensão chamando a função lcm() para cada item do array.

Utilizando a matriz fatorial_arr , calcule o LCM de seus itens:

Example: 

1
2
3
4
5
6
7
import numpy as npy
factorial_arr = npy.array([1, 2, 6, 24])
mrx = npy.lcm.reduce(factorial_arr)
print(mrx)
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
Resultado : 24 Devido ao fato de haver apenas um mínimo múltiplo comum de todos os quatro números (1*24=24, 2*12 = 24, 6*4 = 24 e 24*1=24).

Confira o LCM do array square_arr:

Example: 

1
2
3
4
5
6
7
import numpy as npy
square_arr = npy.array([1, 4, 8, 16, 25])
mrx = npy.lcm.reduce(square_arr)
print(mrx)
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
Resultado : 400 Devido ao fato de que existe apenas um mínimo múltiplo comum de todos os cinco números (1*400=400, 4*100 = 400, 8*50 = 400, 16*25 = 400 e 25*16=400) .

Calcule o LCM da matriz num_arr cujo intervalo de números é de 10 a 16.

Example: 

1
2
3
4
5
6
7
import numpy as npy
num_arr = npy.arange(10, 16)
mrx = npy.lcm.reduce(num_arr)
print(mrx)
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX

Inicialize o intervalo do array abaixo de 2 a 5 e implemente a função reduce() :

Example: 

1
2
3
4
5
6
7
import numpy as npy
num_arr = npy.arange(2, 5)
mrx = npy.lcm.reduce(num_arr)
print(mrx)
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX

Exemplo de Explicação

No exemplo acima, primeiro criamos um array de números usando a função numpy.arange() . Nesse caso, a matriz contém os números 2, 3 e 4, que são os números para os quais queremos encontrar o LCM.

Em seguida, usamos o método de redução chamado na função numpy.lcm, passando a matriz de números como seu argumento.

O método de redução aplica iterativamente a função aos elementos da matriz até que um único resultado seja obtido.

Nesse caso, a função numpy.lcm é aplicada aos dois primeiros elementos da matriz, então o resultado é combinado com o terceiro elemento usando a função numpy.lcm novamente.

Nós valorizamos o seu feedback.
+1
0
+1
0
+1
0
+1
0
+1
0
+1
0
+1
0

Assine a nossa newsletter
Digite seu e-mail para receber um resumo semanal de nossos melhores posts. Saber mais!
ícone