numpy入门-通用函数使用

通用函数ufunc是⼀种对ndarray中的数据执⾏元素级运算的函数，它接受一个或者多个标量值，输出一个或者多个标量值。

• sqrt：开平方
• square：平方
• exp：求e指数
• add：求和
• max、min、mean：聚合函数
• abs：求绝对值
• log：默认底数是
• sign：符号函数，整数是1，负数是-1
• subtract(x,y)：两个数组中对应的元素相减

---

import numpy as np
from numpy import pi

a = np.arange(4)
a

array([0, 1, 2, 3])

np.exp(a)   # 自然e的次方

array([ 1.        ,  2.71828183,  7.3890561 , 20.08553692])

b = np.array([1, 4, 9, 16])
b

array([ 1,  4,  9, 16])

np.sqrt(b)   # 开方函数

array([1., 2., 3., 4.])

np.add(a, b)  # add函数

array([ 1,  5, 11, 19])

x = np.array([[1,5], [6,8]])
x

array([[1, 5],
       [6, 8]])

y = np.array([[4,7], [5,3]])
y

array([[4, 7],
       [5, 3]])

np.maximum(x,y)   # 比较两个数，取大值

array([[4, 7],
       [6, 8]])

np.minimum(x,y)

array([[1, 5],
       [5, 3]])

np.abs(x)   # 求绝对值

array([[1, 5],
       [6, 8]])

np.sqrt(x) # 开方

array([[1.        , 2.23606798],
       [2.44948974, 2.82842712]])

np.square(x)  # 求平方

array([[ 1, 25],
       [36, 64]], dtype=int32)

np.exp(x)

array([[2.71828183e+00, 1.48413159e+02],
       [4.03428793e+02, 2.98095799e+03]])

res = np.log(x)  # 默认的底数是e
res

array([[0.        , 1.60943791],
       [1.79175947, 2.07944154]])

np.exp(res)

array([[1., 5.],
       [6., 8.]])

np.log10(x)

array([[0.        , 0.69897   ],
       [0.77815125, 0.90308999]])

np.log2(x)   # 指定底数2

array([[0.        , 2.32192809],
       [2.5849625 , 3.        ]])

np.sign(x)   # 符号函数，正数为1，负数为-1

array([[1, 1],
       [1, 1]])

np.ceil(x)  # 大于该值的最小整数

array([[1., 5.],
       [6., 8.]])

np.modf(x)  # 将数组的小数和整数部分以两个独立数组的形式返回

(array([[0., 0.],
        [0., 0.]]), array([[1., 5.],
        [6., 8.]]))

np.add(x,y)

array([[ 5, 12],
       [11, 11]])

np.subtract(x,y)  #  对应x中的元素减去y中的元素

array([[-3, -2],
       [ 1,  5]])

np.divide(x,y)  # 除法向下取整（丢弃余数）

array([[0.25      , 0.71428571],
       [1.2       , 2.66666667]])

np.floor_divide(x,y)  # 取整操作

array([[0, 0],
       [1, 2]], dtype=int32)

np.mod(x,y)  # 相除求余数

array([[1, 5],
       [1, 2]], dtype=int32)

np.multiply(x,y)  # 数组中的对应元素相乘

array([[ 4, 35],
       [30, 24]])