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

  1. 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) ...

  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 ...

  3. 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 ...

  4. 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 ...

  5. 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]: ...

  6. 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 ...

  7. [转]numpy性能优化

    转自:http://blog.csdn.net/pipisorry/article/details/39087583 http://blog.csdn.net/pipisorry/article/de ...

  8. 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) ],, , ], [, , ]] ...

  9. 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

  1. UDP:rfc768/广播和多播/IGMP

    封装情况:

  2. 安装redis-3.2.10单节点

    前段时间安装好的redis,今天用脚本安装的时候突然出现版本异常的问题,所以更新一篇为大家提供参考 本次安装在CentOS6.5,采用的redis-3.2.10,最新的redis-4.0.1安装同样适 ...

  3. Android编程 高德地图 中如何重写 定位按键 的触发事件 (com.amap.api.maps2d.LocationSource)点击定位后不仅定位在地图中心点上而且可以设置地图的缩放大小和提示

    在利用高德地图来编写自己的APP的时候,发现了一种对定位按键的重写方法,那就是利用   com.amap.api.maps2d.LocationSource  接口来重写. 什么是定位按键呢,下图中右 ...

  4. python的基础

    一. print(1 or 1 > 4) # 1  (从左到右1为True就结束了) print(1 > 1 or 3) # 3print(3 > 1 or 3 or 3 > ...

  5. 【机器学习】集成学习之sklearn中的xgboost基本用法

    原创博文,转载请注明出处!本文代码的github地址    博客索引地址 1.数据集 数据集使用sklearn自带的手写数字识别数据集mnist,通过函数datasets导入.mnist共1797个样 ...

  6. apk系统签名命令

    java -jar signapk.jar platform.x509.pem platform.pk8 D:/ClockSetting.apk D:/ClockSettingSigned.apk 需 ...

  7. Ubuntu12.04中Gvim无法固定到启动器的解决办法

    sudo vim /usr/share/applications/gvim.desktop 修改Categories键值如下: Categories=Application;Development;

  8. HDFS原理分析之HA机制:avatarnode原理

    一.问题描述 由于namenode 是HDFS的大脑,而这个大脑又是单点,如果大脑出现故障,则整个分布式存储系统就瘫痪了.HA(High Available)机制就是用来解决这样一个问题的.碰到这么个 ...

  9. 接口测试框架——第一篇-大框架和setting.py常量文件

    基础知识已经准备的差不多了,今天开始我们就开始写我们的接口测试框架,框架结构已经说过了: 今天我们先完善需要的常量,也就是setting.py文件中的内容,代码如下: # coding: utf-8 ...

  10. GridView合并表头多重表头

    后台代码: using System; using System.Data; using System.Configuration; using System.Web; using System.We ...