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