织梦网站首页模板路径,设计方案万能模板,郑州上街区网站建设公司,如何文字推广一个婚恋网站点击上方 蓝字 关注我们Numpy提供了灵活的、静态类型的、可编译的程序接口口来优化数组的计算#xff0c;也被称作向量操作#xff0c;因此在Python数据科学界Numpy显得尤为重要。Numpy的向量操作是通过通用函数实现的。今天小编会给大家较为全面地介绍下Numpy的通用函数。01… 点击上方 蓝字 关注我们Numpy提供了灵活的、静态类型的、可编译的程序接口口来优化数组的计算也被称作向量操作因此在Python数据科学界Numpy显得尤为重要。Numpy的向量操作是通过通用函数实现的。今天小编会给大家较为全面地介绍下Numpy的通用函数。01数组的运算Numpy通用函数涉及到Python原生的算术运算符标准的加减乘除都可以使用同时这些运算符也是Numpy内置函数的简单封装器例如“”就是add函数的封装器。下图汇总了Numpy实现的算术运算符。Numpy的加减乘除运算x np.arange(4)print(x , x)print(x 5 , x 5)print(x - 5 , x - 5)print(x * 2 , x * 2)print(x / 2 , x / 2)print(x // 2 , x // 2) # 向下整除# x [0 1 2 3]# x 5 [5 6 7 8]# x - 5 [-5 -4 -3 -2]# x * 2 [0 2 4 6]# x / 2 [ 0. 0.5 1. 1.5]# x // 2 [0 0 1 1]求负数、**表示求指数运算符以及%表示求%运算符请看下面示例print(-x , -x)print(x ** 2 , x ** 2)print(x % 2 , x % 2)# -x [ 0 -1 -2 -3]# x ** 2 [0 1 4 9]# x % 2 [0 1 0 1]如果多个运算符组合使用时需要考虑这些运算符的一个优先级。-(0.5*x 1) ** 2# array([-1. , -2.25, -4. , -6.25])使用封装函数计算标准的加减乘除。np.add(x, 2)# array([2, 3, 4, 5])02绝对值Numpy通用的绝对值函数是np.absolute也可以用其别名来访问np.abs。这个通用函数也可以处理复数处理复数时绝对值返回的是该复数的模。x np.array([-2, -1, 0, 1, 2])abs(x)# array([2, 1, 0, 1, 2])np.absolute(x)# array([2, 1, 0, 1, 2])np.abs(x)# array([2, 1, 0, 1, 2])x np.array([3 - 4j, 4 - 3j, 2 0j, 0 1j])np.abs(x)# array([ 5., 5., 2., 1.])03三角函数三角函数是数据科学中常用到的函数这里会讲解三角函数的计算以及逆三角函数的计算。首先我们需要先定义一个角度数组然后通过cos(),sin(),tan()等三角函数进行计算。theta np.linspace(0, np.pi, 3)print(theta , theta)print(sin(theta) , np.sin(theta))print(cos(theta) , np.cos(theta))print(tan(theta) , np.tan(theta))# theta [ 0. 1.57079633 3.14159265]# sin(theta) [ 0.00000000e00 1.00000000e00 1.22464680e-16]# cos(theta) [ 1.00000000e00 6.12323400e-17 -1.00000000e00]# tan(theta) [ 0.00000000e00 1.63312394e16 -1.22464680e-16]同样我们也可以计算逆三角函数。x [-1, 0, 1]print(x , x)print(arcsin(x) , np.arcsin(x))print(arccos(x) , np.arccos(x))print(arctan(x) , np.arctan(x))# x [-1, 0, 1]# arcsin(x) [-1.57079633 0. 1.57079633]# arccos(x) [ 3.14159265 1.57079633 0. ]# arctan(x) [-0.78539816 0. 0.78539816]04指数和对数Numpy中的指数运算。x [1, 2, 3]print(x , x)print(e^x , np.exp(x))print(2^x , np.exp2(x))print(3^x , np.power(3, x))# x [1, 2, 3]# e^x [ 2.71828183 7.3890561 20.08553692]# 2^x [ 2. 4. 8.]# 3^x [ 3 9 27Numpy中的对数运算。对数运算是指数运算的逆运算最基础的np.log是以自然对数为底数的对数同时也可以使用np.log2,np.log10等计算以2或10为底的对数。x [1, 2, 4, 10]print(x , x)print(ln(x) , np.log(x))print(log2(x) , np.log2(x))print(log10(x) , np.log10(x))# x [1, 2, 4, 10]# ln(x) [ 0. 0.69314718 1.38629436 2.30258509]# log2(x) [ 0. 1. 2. 3.32192809]# log10(x) [ 0. 0.30103 0.60205999 1. ]特殊情况下对于非常小的输入值可以保持较好的精度。当x很小时以下函数给出的值np.log和np.exp的计算更加精确。x [0, 0.001, 0.01, 0.1]print(exp(x) - 1 , np.expm1(x))print(log(1 x) , np.log1p(x))# exp(x) - 1 [ 0. 0.0010005 0.01005017 0.10517092]# log(1 x) [ 0. 0.0009995 0.00995033 0.09531018]05专用的通用函数Numpy还提供了很多通用函数包括了双曲三角函数比特位运算比较运算符弧度转化为角度的运算取整和求余运算。除此之外呢Python中还有更加专用的通用函数模块scipy.special,下面会为大家展示一部分的代码片段。 Gamma函数(广义阶乘generlized factorials)和相关函数from scipy import specialx [1, 5, 10]print(gamma(x) , special.gamma(x))print(ln|gamma(x)| , special.gammaln(x))print(beta(x, 2) , special.beta(x, 2))# gamma(x) [ 1.00000000e00 2.40000000e01 3.62880000e05]# ln|gamma(x)| [ 0. 3.17805383 12.80182748]# beta(x, 2) [ 0.5 0.03333333 0.00909091]误差函数(高斯积分)高斯积分的实现和逆实现# Error function (integral of Gaussian)# its complement, and its inversex np.array([0, 0.3, 0.7, 1.0])print(erf(x) , special.erf(x))print(erfc(x) , special.erfc(x))print(erfinv(x) , special.erfinv(x))# erf(x) [ 0. 0.32862676 0.67780119 0.84270079]# erfc(x) [ 1. 0.67137324 0.32219881 0.15729921]# erfinv(x) [ 0. 0.27246271 0.73286908 inf]06指定输出所有的通用函数都可以通过out参数来指定计算结果的存放位置。x np.arange(5)y np.empty(5)np.multiply(x, 10, outy)print(y)# [ 0. 10. 20. 30. 40.]这个特性也可以被称为数组视图例如将计算结果写入指定数组的每隔一个元素的位置。y np.zeros(10)np.power(2, x, outy[::2])print(y)# [ 1. 0. 2. 0. 4. 0. 8. 0. 16. 0.]07聚合我们希望用一个特定的运算reduce一个数组那么可以用任何通用函数的reduce方法。一个reduce方法会对给定元素和操作重复执行直到得到这个结果。对add通用函数调用reduce方法会返回数组中所有元素的和。x np.arange(1, 6)np.add.reduce(x)# 15对multiply通用函数调用reduce方法会返回数组中所有元素的乘积。np.multiply.reduce(x)# 120accumulate函数可以储存每次计算的中间结果表。np.add.accumulate(x)# array([ 1, 3, 6, 10, 15]np.multiply.accumulate(x)array([ 1, 2, 6, 24, 120])# array([ 1, 2, 6, 24, 120])任何通用函数都可以用outer方法获得两个不同输入数组所有元素对函数运算的结果。这意味着一行代码实现一个乘法表。通用函数还能够操纵形状和大小不一样的数组一组这样的操作被称为广播后面会细讲。x np.arange(1, 6)np.multiply.outer(x, x)# array([[ 1, 2, 3, 4, 5],# [ 2, 4, 6, 8, 10],# [ 3, 6, 9, 12, 15],# [ 4, 8, 12, 16, 20],# [ 5, 10, 15, 20, 25]])全部代码已上传公众号后台回复【Numpy计算函数】即可获得。python入门系列文章持续更新中欢迎加入数据人专属交流群往期推荐Python入门教程(一):初识NumpyPython入门教程(二):Numpy数组基础SQL知识大全(六):SQL中的开窗函数刷爆全网的动态条形图原来5行Python代码就能实现 分享数据知识成就数据理想点个在看 你最好看
