在 NumPy 数组中将角度从弧度转换为度

numpyserver side programmingprogramming

度和弧度是角度的两个测量单位。

度是角度最常用的测量单位。它用 theta(Ø) 表示。圆有 360 度,每度分为 60 分钟,每分钟进一步分为 60 秒。从数学上讲,弧度转换为度是通过将弧度乘以 180/pi 得到的。

弧度是物理、数学和工程中角度的自然测量单位。我们可以简单地将弧度定义为圆弧的长度与圆半径之比。圆有 2*pi 弧度。从数学上讲,可以通过将度数乘以 pi/180 将度数转换为弧度。

使用

将弧度转换为度数

Numpy 库中有一个名为 degrees() 的函数,用于将 Numpy 数组中的角度从弧度转换为度数。

语法

以下是使用 degrees() 函数将弧度转换为度的语法。

numpy.degrees(array)

其中,

  • Numpy 是库的名称。

  • Degrees 是用于将弧度转换为度的函数。

  • Array 是输入数组。

示例

在下面的示例中,我们必须将数组传递给 degree() 函数以将弧度转换为度。

import numpy as np
arr = np.array([[23,34,65,87,3,4],[78,45,90,53,5,3]])
print("创建的数组:",arr)
deg = np.degrees(arr)
print("弧度到度数的转换:",deg)

输出

执行上述代码后,以下是 Numpy 库的 degrees() 函数的输出 -

创建的数组:[[23 34 65 87 3 4]
[78 45 90 53 5 3]]
弧度的转换到度:[[1317.8029288 1948.05650344 3724.22566835 4984.73281764 171.88733854229.18311805][4469.07080202 2578.31007809 5156.62015618 3036.67631419 286.47889757171.88733854]]

示例

让我们看另一个使用 degrees() 函数将弧度转换为度的示例。

import numpy as np
arr = np.array([[[23,34,65,87,3,4],[78,45,90,53,5,3]],[[23,34,65,87,3,4],[78,45,90,53,5,3]]])
print("创建的数组:",arr)
deg = np.degrees(arr)
print("弧度到度的转换:",deg)

输出

运行上述代码,我们会看到以下输出 -

创建的数组:[[[23 34 65 87 3 4]
[78 45 90 53 5 3]]
[[23 34 65 87 3 4]
[78 45 90 53 5 3]]]
弧度转换为度:[[[1317.8029288 1948.05650344 3724.22566835 4984.73281764 171.88733854
229.18311805]
[4469.07080202 2578.31007809 5156.62015618 3036.67631419 286.47889757
171.88733854]]
[[1317.8029288 1948.05650344 3724.22566835 4984.73281764 171.88733854
229.18311805]
[4469.07080202 2578.31007809 5156.62015618 3036.67631419 286.47889757
171.88733854]]]

示例

在下面的示例中,我们将使用 numpy 库的 radians() 函数将度数转换为弧度。

import numpy as np
arr = np.array([[[23,34,65,87,3,4],[78,45,90,53,5,3]],[[23,34,65,87,3,4],[78,45,90,53,5,3]]])
print("创建的数组:",arr)
rad = np.radians(arr)
print("角度转换为弧度:",rad)

输出

当我们运行上述代码时,将生成以下输出 -

创建的数组: [[[23 34 65 87  3  4]
  [78 45 90 53  5  3]]

 [[23 34 65 87  3  4]
  [78 45 90 53  5  3]]]
弧度转换为度: [[[0.40142573 0.59341195 1.13446401 1.51843645 0.05235988 0.06981317]
  [1.36135682 0.78539816 1.57079633 0.9250245  0.08726646 0.05235988]][[0.40142573 0.59341195 1.13446401 1.51843645 0.05235988 0.06981317]
  [1.36135682 0.78539816 1.57079633 0.9250245  0.08726646 0.05235988]]]


相关文章