Python之Numpy?常用函數(shù)總結(jié)
通用函數(shù)
常見的簡(jiǎn)單數(shù)組函數(shù)
先看看代碼操作:
mport numpy as np # # 產(chǎn)生一個(gè)數(shù)組 arr=np.arange(15) arr >>array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14]) # 對(duì)里面的元素進(jìn)行開根號(hào)處理 np.sqrt(arr) >>array([0. , 1. , 1.41421356, 1.73205081, 2. , 2.23606798, 2.44948974, 2.64575131, 2.82842712, 3. , 3.16227766, 3.31662479, 3.46410162, 3.60555128, 3.74165739]) # 對(duì)里面的元素進(jìn)行冪的運(yùn)算 np.exp(arr) >>array([1.00000000e+00, 2.71828183e+00, 7.38905610e+00, 2.00855369e+01, 5.45981500e+01, 1.48413159e+02, 4.03428793e+02, 1.09663316e+03, 2.98095799e+03, 8.10308393e+03, 2.20264658e+04, 5.98741417e+04, 1.62754791e+05, 4.42413392e+05, 1.20260428e+06]) # 比較那個(gè)數(shù)組里面的最大值,返回最大值 np.maximum(np.sqrt(arr),np.exp(arr)) >>array([1.00000000e+00, 2.71828183e+00, 7.38905610e+00, 2.00855369e+01, 5.45981500e+01, 1.48413159e+02, 4.03428793e+02, 1.09663316e+03, 2.98095799e+03, 8.10308393e+03, 2.20264658e+04, 5.98741417e+04, 1.62754791e+05, 4.42413392e+05, 1.20260428e+06]) # 可以返回多個(gè)數(shù)組,比如小數(shù)部分和整數(shù)部分 a,b=np.modf(np.exp(arr)) a >>array([0. , 0.71828183, 0.3890561 , 0.08553692, 0.59815003, 0.4131591 , 0.42879349, 0.63315843, 0.95798704, 0.08392758, 0.46579481, 0.1417152 , 0.791419 , 0.39200892, 0.28416478]) b >>array([1.000000e+00, 2.000000e+00, 7.000000e+00, 2.000000e+01, 5.400000e+01, 1.480000e+02, 4.030000e+02, 1.096000e+03, 2.980000e+03, 8.103000e+03, 2.202600e+04, 5.987400e+04, 1.627540e+05, 4.424130e+05, 1.202604e+06])
一元函數(shù)
Numpy 一元函數(shù)
函數(shù)名 | 描述 |
abs、fabs | 逐個(gè)元素地計(jì)算整數(shù)、浮點(diǎn)數(shù)或復(fù)數(shù)地絕對(duì)值 |
sqrt | 計(jì)算每個(gè)元素的平方根(與arr ** 0.5相等) |
square | 計(jì)算每個(gè)元素地平方(與arr ** 2相等) |
exp | 計(jì)算每個(gè)元素的自然指數(shù)值e^x次方 |
log、log10、log2、log1p | 分別對(duì)應(yīng)(自然指數(shù)(e為底)、對(duì)數(shù)10為底、對(duì)數(shù)2為底、log(1+x)) |
sign | 計(jì)算每個(gè)元素的符號(hào)值:1(正數(shù))、0(0)、-1(負(fù)數(shù)) |
ceil | 計(jì)算每個(gè)元素的最高整數(shù)值(即大于等于給定數(shù)值的最小整數(shù)) |
floor | 計(jì)算每個(gè)元素的最小整數(shù)值(即小于等于給定整數(shù)的最大整數(shù)) |
rint | 將元素保留到整數(shù)位,并保持dtype |
modf | 分別將數(shù)組的小數(shù)部分與整數(shù)部分按數(shù)組形式返回 |
isnan | 返回?cái)?shù)組元素是否是一個(gè)NaN(非數(shù)值),形式為布爾值數(shù)組 |
isfinite、isinf | 分別返回?cái)?shù)組中的元素是否有限(非inf、非NaN)、是否無限的,形式為布爾值數(shù)組 |
cos、cish、sin、 | 常規(guī)三角函數(shù)及雙曲三角函數(shù) |
sinh、tan、tanh | 反三角函數(shù) |
arccos、arccosh、arcsin、 | |
arcsinh、arctan、arctanh | |
logical_not | 對(duì)數(shù)組元素按位取反 |
二元函數(shù)
Numpy 二元函數(shù)
函數(shù)名 | 描述 |
add | 將數(shù)組的對(duì)應(yīng)元素相加 |
subtract | 在第二個(gè)數(shù)組中,將第一個(gè)數(shù)組中包含的元素去除 |
multiply | 將數(shù)組的對(duì)應(yīng)元素相乘 |
divide,floor_divide | 除或整除(放棄余數(shù)) |
power | 將第二個(gè)數(shù)組的元素作為第一個(gè)數(shù)組對(duì)應(yīng)元素的冪次方 |
maximum | 逐個(gè)元素計(jì)算最大值,fmax忽略NaN |
minimum | 逐個(gè)元素計(jì)算最小值,fmin忽略NaN |
mod | 按元素的求模計(jì)算(即求除法的余數(shù)) |
copysign | 將第一個(gè)數(shù)組的符號(hào)值改為第二個(gè)數(shù)組的符號(hào)值 |
greater,greater_equal,less, | 進(jìn)行逐個(gè)元素的比較,返回布爾值數(shù)組(與數(shù)學(xué)操作符>,>=,<,<=,==,!=x效果一致) |
less_equal,equal,not_equal | |
logical_and,logical_or | 進(jìn)行逐個(gè)元素的邏輯操作(與邏輯操作符&、丨、^效果一致) |
logical_xor |
充分掌握好這些常用的數(shù)組函數(shù),對(duì)我們解決一些數(shù)學(xué)思維問題有很大的幫助!
到此這篇關(guān)于Python之Numpy 常用函數(shù)總結(jié)的文章就介紹到這了,更多相關(guān)Python Numpy 函數(shù)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
python連接mysql數(shù)據(jù)庫并讀取數(shù)據(jù)的實(shí)現(xiàn)
這篇文章主要介紹了python連接mysql數(shù)據(jù)庫并讀取數(shù)據(jù)的實(shí)現(xiàn),文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-09-09Python中numpy.pad()函數(shù)的使用詳解
這篇文章主要介紹了Python中numpy.pad()函數(shù)的使用詳解,在卷積神經(jīng)網(wǎng)絡(luò)中,為了避免卷積運(yùn)算導(dǎo)致輸出圖像縮小和圖像邊緣信息丟失,常常采用圖像邊緣填充技術(shù),即在圖像四周邊緣填充0,使得卷積運(yùn)算后圖像大小不會(huì)縮小,同時(shí)也不會(huì)丟失邊緣和角落的信息,需要的朋友可以參考下2023-10-10python實(shí)現(xiàn)整數(shù)序列求和
這篇文章主要介紹了python實(shí)現(xiàn)整數(shù)序列求和,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2022-07-07python實(shí)現(xiàn)NB-IoT模塊遠(yuǎn)程控制
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)NB-IoT模塊遠(yuǎn)程控制,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2018-06-06pydev debugger: process 10341 is co
這篇文章主要介紹了pydev debugger: process 10341 is connecting無法debu的解決方案,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-04-04解決Django no such table: django_session的問題
這篇文章主要介紹了解決Django no such table: django_session的問題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-04-04Python DataFrame 設(shè)置輸出不顯示index(索引)值的方法
今天小編就為大家分享一篇Python DataFrame 設(shè)置輸出不顯示index(索引)值的方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-06-06Python機(jī)器學(xué)習(xí)庫之Scikit-learn基本用法詳解
Scikit-learn?是?Python?中最著名的機(jī)器學(xué)習(xí)庫之一,它提供了大量實(shí)用的機(jī)器學(xué)習(xí)算法以及相關(guān)的工具,可以方便我們進(jìn)行數(shù)據(jù)挖掘和數(shù)據(jù)分析,在這篇文章中,我們將介紹?Scikit-learn?的基本使用,包括如何導(dǎo)入數(shù)據(jù)、預(yù)處理數(shù)據(jù)、選擇和訓(xùn)練模型,以及評(píng)估模型的性能2023-07-07TensorFlow低版本代碼自動(dòng)升級(jí)為1.0版本
這篇文章主要介紹了TensorFlow低版本代碼自動(dòng)升級(jí)為1.0版本,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-02-02