numpy的通用函数
通用函数:快速的元素级数组函数
通用函数是一种对ndarry中的数据执行元素级运算的函数,可以看作是简单函数(接受一个或多个标量值,并产生一个或多个标量值)的矢量化包装器。
一元func:
abs丶fabs 计算整数丶浮点数或复数的绝对值。对于非复数值,可以使用更快的fabs。
In []: np.abs(12.0)
Out[]: 12.0 In []: np.abs()
Out[]: In []: np.abs(+5j) #其中12+5j就是复数,其中12为实数部分,5为虚数部分
Out[]: 13.0 In []: np.abs(-5j)
Out[]: 13.0
sqrt:计算各元素的平方根。
In []: np.sqrt()
Out[]: 2.0 In []: np.sqrt()
Out[]: 2.23606797749979
square:计算各元素的平方。
In []: np.square()
Out[]: In []: np.square(2.6)
Out[]: 6.760000000000001
exp:计算各元素的指数(e^x)
In []: np.exp()
Out[]: 7.38905609893065 #python3还有个函数为exp2,计算的是2的指数
In []: np.exp2()
Out[]: 32.0
log丶log10丶log2丶log1p 分别为自然对数(底数为e)丶底数为10的log丶底数为2的log丶log(1+x)
In []: np.log()
Out[]: 0.6931471805599453 In []: np.log10(0.1)
Out[]: -1.0
sign:计算各元素的正负号:1(正数)丶0(零)丶-1(负数)
In []: np.sign()
Out[]: In []: np.sign(-)
Out[]: - In []: np.sign()
Out[]:
ceil:计算各元素的ceiling值,即大于等于该值的最小整数
In []: np.ceil(15.971)
Out[]: 16.0
floor:计算各元素的floor值,即小于等于该值的最大整数
In []: np.floor(-1.564)
Out[]: -2.0 In []: np.floor(1.564)
Out[]: 1.0
rint:将各元素四舍五入到最接近的整数,保留dtype
In []: np.rint(1.485)
Out[]: 1.0
modf:将数组的小数和整数部分以两个独立数组的形式返回
In []: np.modf([1.5,2.9])
Out[]: (array([0.5, 0.9]), array([., .]))
isnan:返回一个表示“哪些值是NaN(这不是一个数字)”的布尔型数组
In []: np.isnan(NaN)
Out[]: True In []: np.isnan()
Out[]: False
isfinite丶isinf:分别返回一个表示“哪些元素是有穷的(非inf,非NaN)”或“哪些元素是无穷的”的布尔型数组
In []: np.isfinite(/)
Out[]: True In []: np.isinf(/)
Out[]: False In []: np.isinf(/)
Out[]: False In []: np.isfinite(/)
Out[]: True
cos丶cosh丶sin丶sinh:普通型和双曲型三角函数
In []: np.sin()
Out[]: -0.9880316240928618 In []: np.sin(/)
Out[]: 0.479425538604203 In []: np.sin(/)
Out[]: 0.16589613269341502 In []: np.cos(/)
Out[]: 0.9449569463147377
tan丶tanh丶arccos丶arccosh丶arcsin丶arcsinh丶arctan丶arctanh:反三角函数
logical_not:计算各元素not x的真值。相当于-arr
In []: np.logical_not()
Out[]: False In []: np.logical_not(-)
Out[]: False In []: np.logical_not(-)
Out[]: False In []: np.logical_not()
Out[]: True
#以上传入的参数都可以是数组,只不过为了测试方便才传入一个值
二元func
add:将数组中对应的元素相加
subtract:从第一个数组中减去第二个数组中的元素
multiply:数组元素相乘
divide丶floor_divide:除法或向下圆整除法(丢弃余数)
power:对第一个数组中的元素A,根据第二个数组中的相应元素B,计算A^B
maximum丶fmax:元素级的最大值计算。fmax将忽略NAN
minimum丶fmin:元素级的最小值计算。fmax将忽略NAN
mod:元素级的求模计算(除法的余数)
copysign:将第二个数组中的值的符号复制给第一个数组中的值。
greater丶greater_equal丶less丶less_equal丶equal丶not_equal:执行元素级的比较运算,最终产生布尔型数组。相当于运算符>丶>=丶<丶<=丶==丶!=
logical_and丶logical_or丶logical_xor:执行元素级的真值逻辑运算。相当于运算符&丶|丶^(与或异)
numpy的通用函数的更多相关文章
- numpy之通用函数ufunc
通用函数-元素级数组函数 通用函数(ufunc)是一种对ndarray执行元素级运算的函数. 一元ufunc import numpy as np arr = np.arange(-10,10,2) ...
- 初探numpy——numpy常用通用函数
numpy通用函数 快速的逐元素数组函数,也可以称为ufunc,对ndarray数据中的元素进行逐元素操作的函数 一元通用函数 函数名 描述 abs.fabs 取绝对值 sqrt 计算平方根,等同于a ...
- numpy 的通用函数
1 CSV文件 CSV,Comma Separate Values,是逗号分隔文件的缩写,是一种存储数据的纯文本格式,通常用于存储电子表格或数据库软件 特点 每条记录占一行 以逗号为分隔符 逗号前后的 ...
- Numpy 的通用函数:快速的元素级数组函数
通用函数: 通用函数(ufunc)是一种对ndarray中的数据执行元素级运算的函数.你可以将其看作简单函数(接受一个或多个标量值,并产生一个或度过标量值)的矢量化包装器. 简单的元素级变体,如sqr ...
- numpy的通用函数:快速的元素级数组函数
通用函数(ufunc)是对ndarray中的数据执行元素级运算的函数.可看作简单函数的矢量化包装. 一元ufunc sqrt对数组中的所有元素开平方 exp对数组中的所有元素求指数 In [93]: ...
- numpy通用函数
numpy的通用函数可以对数组进行向量化操作,可以提高数组元素的重复计算的效率. 一.numpy的算数运算符都是对python内置符的封装 算数运算符 >>> import nump ...
- [转]numpy性能优化
转自:http://blog.csdn.net/pipisorry/article/details/39087583 http://blog.csdn.net/pipisorry/article/de ...
- numpy教程:排序、搜索和计数
http://blog.csdn.net/pipisorry/article/details/51822775 numpy排序.搜索和计数函数和方法.(重新整合过的) ],, , ], [, , ]] ...
- NumPy:数组计算
一.MumPy:数组计算 1.NumPy是高性能科学计算和数据分析的基础包.它是pandas等其他各种工具的基础.2.NumPy的主要功能: ndarray,一个多维数组结构,高效且节省空间 无需循环 ...
随机推荐
- Ubuntu连接手机步骤
第一次使用adb之前,需要在home/.android里新建adb_usb.ini文件:0x1782. 注:adb已在安装系统后装好,手机要处于开机状态 查看设备命令: $ adb devices 正 ...
- linux uname和dpkg命令
uname -a:查看系统一些参数 dpkg -i:安装下载好的.deb包裹
- c语言第4次作业
题目7-2九九乘法表 1.代码: #include<stdio.h> int main() { int N, i, j, q; scanf("%d",&N); ...
- 如何让Beamer的logo放在右上角
# 位置需要导入包```\usepackage{beamerfoils}\usepackage{tikz}\usepackage{pgf}\MyLogo{%%\includegraphics[heig ...
- LOJ2325. 「清华集训 2017」小 Y 和恐怖的奴隶主【矩阵快速幂优化DP】【倍增优化】
LINK 思路 首先是考虑怎么设计dp的状态 发现奴隶主的顺序没有影响,只有生命和个数有影响,所以就可以把每个生命值的奴隶主有多少压缩成状态就可以了 然后发现无论是什么时候一个状态到另一个状态的转移都 ...
- HTTP错误类别
http_status_bad_request (400) the request could not be processed by the server due to invalid syntax ...
- 《DSP using MATLAB》示例Example 8.8
%% ------------------------------------------------------------------------ %% Output Info about thi ...
- apiman 安装&&使用
安装测试基于docker 1. docker image pull docker pull apiman/on-wildfly1 2. 启动 docker run -d -p 8081: ...
- Oracle 块修改跟踪 (Block Change Tracking) 说明
Block ChangeTracking 是Oracle 10g里推出的特性.官网对Block change tracking 的定义如下: Adatabase option that causes ...
- 如何安装nginx第三方模块
nginx文件非常小但是性能非常的高效,这方面完胜apache,nginx文件小的一个原因之一是nginx自带的功能相对较少,好在nginx允许第三方模块,第三方模块使得nginx越发的强大. 在安装 ...