NumPy 基礎 (三) - 數學函式

Bgods發表於2019-10-28
函式

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

相關文章