常用函式
| 函式 | 描述 | 用法 |
|---|---|---|
| abs fabs |
計算 整型/浮點/複數 的絕對值 對於沒有複數的快速版本求絕對值 |
np.abs() np.fabs() |
| sqrt | 計算元素的平方根。等價於array ** 0.5 | np.sqrt() |
| square | 計算元素的平方。等價於 array **2 | np.squart() |
| exp | 計算以自然常數e為底的冪次方 | np.exp() |
| log log10 log2 log1p |
自然對數(e) 基於10的對數 基於2的對數 基於log(1+x)的對數 |
np.log() np.log10() np.log2() np.log1p() |
| sign | 計算元素的符號：1：正數 0：0 -1：負數 | np.sign() |
| ceil | 計算大於或等於元素的最小整數 | np.ceil() |
| floor | 計算小於或等於元素的最大整數 | np.floor() |
| rint | 對浮點數取整到最近的整數，但不改變浮點數型別 | np.rint() |
| modf | 分別返回浮點數的整數和小數部分的陣列 | np.modf() |
| isnan | 返回布林陣列標識哪些元素是 NaN （不是一個數） | np.isnan() |
| isfinite isinf |
返回布林陣列標識哪些元素是有限的（non-inf, non-NaN）或無限的 | np.isfiniter() np.isinf() |
| cos, cosh, sin sinh, tan, tanh | 三角函式 | |
| arccos, arccosh, arcsin, arcsinh, arctan, arctanh | 反三角函式 | |
| power | 使用第二個陣列作為指數提升第一個陣列中的元素 | np.power(A,B) |
| add | 陣列對應元素相加 | np.add(A,B) |
| substract | 陣列對應元素相減 | np.substract(A,B) |
| dot multiply * |
陣列和矩陣對應位置相乘，輸出與相乘陣列/矩陣的大小一致 矩陣對應位置相乘 對陣列執行對應位置相乘，對矩陣執行矩陣乘法運算 |
詳見：https://blog.csdn.net/zenghaitao0128/artic... |
| divide=/ true_divide floor_divide=// |
陣列對應元素相除 地板除 |
詳見：http://www.mamicode.com/info-detail-179424... |
| mod remainder fmod |
模運算 | 同上詳見 |
| maximum | 兩陣列對應元素比大小取其大者，返回一個陣列 | np.maximum(A,B) |
| minimun | 兩陣列對應元素比大小取其小者，返回一個陣列 | np.minimum(A,B) |
示例：
- 匯入模組
>>> import numpy as np
>>> a = np.array([10, 20, 30, 40, 50])
>>> b = np.array([1, 2, 3, 4, 5])- 三角函式
>>> np.sin(a)
array([-0.54402111, 0.91294525, -0.98803162, 0.74511316, -0.26237485])
>>> np.tan(a)
array([ 0.64836083, 2.23716094, -6.4053312 , -1.11721493, -0.27190061])
>>> np.cos(a)
array([-0.83907153, 0.40808206, 0.15425145, -0.66693806, 0.96496603])- 對數函式
>>> np.log(a)
array([2.30258509, 2.99573227, 3.40119738, 3.68887945, 3.91202301])
>>> np.log10(a)
array([1. , 1.30103 , 1.47712125, 1.60205999, 1.69897 ])- 陣列的方根的運算（開平方）
>>> np.sqrt(a)
array([3.16227766, 4.47213595, 5.47722558, 6.32455532, 7.07106781])
>>> a ** 0.5 # 等價於np.sqrt(a)
array([3.16227766, 4.47213595, 5.47722558, 6.32455532, 7.07106781])- 陣列的方根的運算（立方）
>>> np.power(a, 3)
array([ 1000, 8000, 27000, 64000, 125000])
>>> a ** 3 # 等價於np.power(a, 3)
array([ 1000, 8000, 27000, 64000, 125000])本作品採用《CC 協議》，轉載必須註明作者和本文連結