Numpy 系列(七)- 經常使用函數

在瞭解了 Numpy 的基本運算操做,下面來看下 Numpy經常使用的函數。python

    數學運算函數

add(x1,x2 [,out]) 按元素添加參數,等效於 x1 + x2
subtract(x1,x2 [,out]) 按元素方式減去參數,等效於x1 - x2
multiply(x1,x2 [,out]) 逐元素乘法參數,等效於x1 * x2
divide(x1,x2 [,out]) 逐元素除以參數,等效於x1 / x2
exp(x [,out]) 計算輸入數組中全部元素的指數。
exp2(x [,out]) 對於輸入數組中的全部p,計算2 ** p
log(x [,out]) 天然對數,逐元素。
log2(x [,out]) x的基礎2對數。
log10(x [,out]) 以元素爲單位返回輸入數組的基數10的對數。
expm1(x [,out]) 對數組中的全部元素計算exp(x) - 1
log1p(x [,out]) 返回一個加天然對數的輸入數組,元素。
sqrt(x [,out]) 按元素方式返回數組的正平方根。
square(x [,out]) 返回輸入的元素平方。
sin(x [,out]) 三角正弦。
cos(x [,out]) 元素餘弦。
tan(x [,out])  逐元素計算切線。
x = np.random.randint(4, size=6).reshape(2,3)
x
Out[203]: 
array([[0, 2, 3],
       [3, 1, 0]])
y = np.random.randint(4, size=6).reshape(2,3)
y
Out[204]: 
array([[0, 3, 3],
       [3, 1, 1]])
x + y
Out[205]: 
array([[0, 5, 6],
       [6, 2, 1]])
np.add(x, y)
Out[206]: 
array([[0, 5, 6],
       [6, 2, 1]])
np.square(x)
Out[207]: 
array([[0, 4, 9],
       [9, 1, 0]], dtype=int32)
np.log1p(2)
Out[209]: 1.0986122886681098
np.log1p(1.8)
Out[210]: 1.0296194171811581
np.log1p(x)
Out[212]: 
array([[0.        , 1.09861229, 1.38629436],
       [1.38629436, 0.69314718, 0.        ]])
np.log(np.e)
Out[213]: 1.0
np.log2(2)
Out[214]: 1.0
np.log10(10)
Out[215]: 1.0

 規約函數

下面全部的函數都支持axis來指定不一樣的軸,用法都是相似的。數組

 

ndarray.sum([axis,dtype,out,keepdims]) 返回給定軸上的數組元素的總和。
ndarray.cumsum([axis,dtype,out]) 返回沿給定軸的元素的累積和。
ndarray.mean([axis,dtype,out,keepdims]) 返回沿給定軸的數組元素的平均值。
ndarray.var([axis,dtype,out,ddof,keepdims]) 沿給定軸返回數組元素的方差。
ndarray.std([axis,dtype,out,ddof,keepdims]) 返回給定軸上的數組元素的標準誤差。
ndarray.argmax([axis,out]) 沿着給定軸的最大值的返回索引。
ndarray.min([axis,out,keepdims]) 沿給定軸返回最小值。
ndarray.argmin([axis,out]) 沿着給定軸的最小值的返回索引。

 

x = np.random.randint(10, size=6).reshape(2,3)
x
Out[217]: 
array([[3, 9, 4],
       [2, 2, 1]])
np.sum(x)
Out[218]: 21
np.sum(x, axis=0)
Out[219]: array([ 5, 11,  5])
np.sum(x, axis=1)
Out[220]: array([16,  5])
np.argmax(x)
Out[221]: 1
np.argmax(x, axis=0)
Out[222]: array([0, 0, 0], dtype=int64)
np.argmax(x, axis=1)
Out[223]: array([1, 0], dtype=int64)
相關文章
相關標籤/搜索