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
- 【Python爬虫学习笔记(3)】Beautiful Soup库相关知识点总结
1. Beautiful Soup简介 Beautiful Soup是将数据从HTML和XML文件中解析出来的一个python库,它能够提供一种符合习惯的方法去遍历搜索和修改解析树,这将大大减 ...
- C++题目(论述类)
0.面向对象 三大特性:封装性.继承性.多态性 1.static ①只进行一次初始化,而且保存在静态存储区,是在程序运行时就进行初始化了: ②当我们同时编译多个源文件(.c文件)时,所有未加stat ...
- enum枚举类型的定义
enum枚举类型的定义方式与某种用法 #include <iostream> using namespace std; int main() { enum TOT{ zero, one, ...
- Codeforces 1012C Hills【DP】*
Codeforces 1012C Hills Welcome to Innopolis city. Throughout the whole year, Innopolis citizens suff ...
- git还原某个特定的文件到之前的版本
场景: 对于某个git控制下的文件进行了修改,但是改的不满意,想退回到改之前的版本.假定该文件为 src/main/main.c 解决方法: 第一步: 在命令行中输入 git log src/main ...
- Python2 和 Python3 的区别(待完善)
1.宏观上 python2 :源码不标准,混乱,重复代码太多 python3 :统一 标准,去除重复代码. 2. print python2 :括号可有可无 print(a) 或 print ap ...
- 学习FPGA过程中的理论知识
学习FPGA,先要有数电知识,最好有点C语言,,学好硬件描述语言,verilog或者vhdl.在有这些基础上,做一些小的模块不断积累.这里不再赘述. 下面介绍一下关于FPGA学习过程中的一些理论知识. ...
- GOF23设计模式之外观模式(facade)
一.外观模式概述 外观模式也称为门面模式. 核心:为了系统提供统一的入口,封装子系统的复杂性,便于客户端调用. 二.外观模式场景导入与示例代码 场景:要想自己去注册一个公司,首先去工商局检测命名是否合 ...
- windows10 vs2015编译 带nginx-rtmp-module 模块的32位nginx
1 下载必要软件 从 http://xhmikosr.1f0.de/tools/msys/下载msys:http://xhmikosr.1f0.de/tools/msys/MSYS_MinGW-w6 ...
- appium+python自动化28-name定位
前言 appium1.5以下老的版本是可以通过name定位的,新版本从1.5以后都不支持name定位了 name定位报错 1.最新版appium V1.7用name定位,报错: selenium.co ...