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
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
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)