numpy元素级数组函数
一元函数
- abs, fabs 计算整数、浮点数或复数的绝对值。对于非复数值,可以使用更快的fabs。
- sqrt 计算各元素的平方根。相当于arr ** 0.5
- sqare 计算各元素的平方。相当于arr ** 2
- exp 计算各元素的e^x
- log, log10, log2, log1p 分别为自然对数、底数为10的log、底数为2的log和log(1 + x)。
- sign 计算各元素的正负号:1(正数)、0(零)、-1(负数)。
- ceil 计算各元素的ceiling值,即大于等于该值的最小整数。
- floor 计算各元素的floor值,即小于等于该值的最小整数。
- rint 将各元素值四舍五入到最接近的整数,保留dtype。
- modf 将数组的小数部分与整数部分以两个独立数组的形式返还。
- 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
- isfinite, isinf 分别返回一个表示“哪些元素是有限的(非inf,非NaN)”或“哪些元素是
- 无穷的”的布尔型数组
- cos, cosh, sin, sinh, tan, tanh 普通型或双曲型三角函数
- arccos, arccosh, arcsin, arcsinh,
- arctan, arctanh
- 反三角函数
- logical_not 计算各元素not x的真值。相当于-arr。
二元函数
- 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, floor_divide 除法或向下取整除法
- power 对第一个数组中的元素A和第二个数组中对应位置的元素B,计算A^B。
- maximum, fmax 元素级的最大值计算。fmax将忽略NaN。
- minimum, fmin 元素级的最小值计算。fmin将忽略NaN。
- mod 元素级的求模计算
- copysign 将第二个数组中的符号复制给第一个数组中的值
- greater, greater_equal, less,
- less_equal,equal, not_equal
- 执行元素级的比较,最终产生布尔型数组。
- logical_and, logical_or,
- logical_xor
- 执行元素级的真值逻辑运算,最终产生布尔型数组
numpy元素级数组函数的更多相关文章
- numpy中的快速的元素级数组函数
numpy中的快速的元素级数组函数 一元(unary)ufunc 对于数组中的每一个元素,都将元素代入函数,将得到的结果放回到原来的位置 >>> import numpy as np ...
- 【学习】通用函数:快速的元素级数组函数【Numpy】
通用函数(即ufunc)是一种对ndarray中的数据执行元素级运算的函数.可以将其看做简单函数(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. sqrt 和 exp为一元(unary ...
- 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 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 ...
- 数据分析之Numpy基础:数组和适量计算
Numpy(Numerical Python)是高性能科学计算和数据分析的基础包. 1.Numpy的ndarray:一种多维数组对象 对于每个数组而言,都有shape和dtype这两个属性来获取数组的 ...
- NumPy基础:数组和矢量计算
今天被老板fire了,还是继续抄书吧,安抚我受伤的小心脏.知识还是得慢慢积累,一步一个脚印,这样或许才是最快的捷径. ------2015-2-16-------------------------- ...
- python数据分析---第04章 NumPy基础:数组和矢量计算
NumPy(Numerical Python的简称)是Python数值计算最重要的基础包.大多数提供科学计算的包都是用NumPy的数组作为构建基础. NumPy的部分功能如下: ndarray,一个具 ...
- Python之NumPy实践之数组和矢量计算
Python之NumPy实践之数组和矢量计算 1. NumPy(Numerical Python)是高性能科学技术和数据分析的基础包. 2. NumPy的ndarray:一种对位数组对象.NumPy最 ...
- 《利用Python进行数据分析·第2版》第四章 Numpy基础:数组和矢量计算
<利用Python进行数据分析·第2版>第四章 Numpy基础:数组和矢量计算 numpy高效处理大数组的数据原因: numpy是在一个连续的内存块中存储数据,独立于其他python内置对 ...
随机推荐
- pyqt5_eric6_Qt desinger
麦子学院视频教程day1 1.创建pushbutton 绑定信号和槽 Ui_mainWindow.py 1 from PyQt5 import QtCore, QtGui, QtWidgets cla ...
- python全栈开发day10
day10知识点总结 while循环补充: continue,终止当前循环,开始下一次循环 break,终止所有循环 pycharm 技巧1.setting 中搜索 mouse 设置鼠标滚轮 改变字体 ...
- 01.jupyter环境安装
jupyter notebook环境安装 一.什么是Jupyter Notebook? 1. 简介 Jupyter Notebook是基于网页的用于交互计算的应用程序.其可被应用于全过程计算:开发.文 ...
- webpack中loader和plugin的概念理解
对于 loader ,它就是一个转换器,将A文件进行编译形成B文件,这里操作的是文件,比如将 A.scss 或 A.less 转变成 B.css,单纯的文件转换过程: 对于 plugin,它就是一个扩 ...
- Apache服务介绍
http服务器程序 httpd 服务名称 apache 软件包名 特性: 高度模块化: core + modules DSO: Dynamic Share ...
- 循环匹配出图片地址(即src属性)
<script type="text/javascript"> //思路分两步:作者(yanue). //1,匹配出图片img标签(即匹配出所有图片),过滤其他不需要的 ...
- Linux 环境配置 网络端口进程命令
网络通信命令ping 命令路径:/bin/ping 执行权限:所有用户作用:测试网络的连通性语法:ping 选项 IP地址 -c 指定发送次数 ping 命令使用的是icmp协议,不占用端口e ...
- Python几种数据结构内置方法的时间复杂度
参考:https://blog.csdn.net/baoli1008/article/details/48059623 注:下文中,’n’代表容器中元素的数量,’k’代表参数的值,或者参数的数量. 1 ...
- [LeetCode] 339. Nested List Weight Sum_Easy tag:DFS
Given a nested list of integers, return the sum of all integers in the list weighted by their depth. ...
- node操作 windows的appdata本地缓存文件
const os = require('os'); const path = require("path"); const fs = require("fs") ...