Day25:Numpy函数
在前两节中我们学习了Numpy数组和矩阵的一些操作,现在我们来学习如何统计计算这些数据。在数据分析和科学计算中,Numpy提供了丰富的函数库,用于数学运算、统计计算、排序筛选等操作,本节将一一介绍。
1. 数学函数
Numpy提供了大量的数学函数,用于对数组中的元素进行数学运算,包括三角函数、算术运算、复数处理等。以下是一些常用的数学函数及分类:
-
三角函数:
np.sin()
:计算数组中元素的正弦值,按照弧度值计算,对应反三角函数为np.arcsin()
。np.cos()
:计算数组中元素的余弦值,按照弧度值计算,对应反三角函数为np.arccos()
。np.tan()
:计算数组中元素的正切值,按照弧度值计算,对应反三角函数为np.arctan()
。np.degrees()
:将弧度转换为角度。
-
对指数运算:
np.exp()
:计算数组中元素的指数值。np.log()
:计算数组中元素的自然对数。
-
舍入函数:
ny.around(array, decimals)
:计算数组中元素的四舍五入值,默认保留小数位为0。ny.ceil()
:对所有元素向上取整。ny.floor()
:对所有元素向下取整。
import numpy as np
arr = np.array([0, 1, 2, 3, 4])
# 计算正弦值
sin_values = np.sin(arr)
print("Sin values:", sin_values)
# Sin values: [ 0. 0.84147098 0.90929743 0.14112001 -0.7568025 ]
# 计算余弦值
cos_values = np.cos(arr)
print("Cos values:", cos_values)
# Cos values: [ 1. 0.54030231 -0.41614684 -0.9899925 -0.65364362]
# 计算指数值
exp_values = np.exp(arr)
print("Exponential values:", exp_values)
# Exponential values: [ 1. 2.71828183 7.3890561 20.08553692 54.59815003]
# 计算自然对数
log_values = np.log(arr)
print("Natural logarithm values:", log_values)
# Natural logarithm values: [ -inf 0. 0.69314718 1.09861229 1.38629436]
ceil_values = np.ceil(log_values)
print("Ceil values:", ceil_values)
# Ceil values: [-inf 0. 1. 2. 2.]
2. 算术函数
Numpy提供了一系列的算术函数,用于对数组进行加减乘除等运算。
np.add()
:对两个数组中的元素进行相加。np.subtract()
:对两个数组中的元素进行相减。np.multiply()
:对两个数组中的元素进行相乘。np.divide()
:对两个数组中的元素进行相除。np.reciprocal()
:对数组中的元素求倒数。np.mod()
:对两个数组中的元素进行取模。np.power()
:将第一个输入数组中的元素作为底数,计算它与第二个输入数组中相应元素的幂。
import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
# 数组相加
add_result = np.add(arr1, arr2)
print("Addition result:", add_result) #输出: Addition result: [5 7 9]
# 数组相减
subtract_result = np.subtract(arr1, arr2)
print("Subtraction result:", subtract_result) #输出:Subtraction resul
剩余60%内容,订阅专栏后可继续查看/也可单篇购买
大模型-AI小册 文章被收录于专栏
1. AI爱好者,爱搞事的 2. 想要掌握第二门语言的Javaer或者golanger 3. 决定考计算机领域研究生,给实验室搬砖的uu,强烈建议你花时间学完这个,后续搬砖比较猛 4. 任何对编程感兴趣的,且愿意掌握一门技能的人