Numpy-04（数学函数、算数函数、统计函数、排序及条件刷选）

最新推荐文章于 2024-06-11 22:42:33 发布

HM-hhxx！

最新推荐文章于 2024-06-11 22:42:33 发布

阅读量424

点赞数 1

分类专栏： numpy 文章标签： numpy

本文链接：https://blog.csdn.net/damadashen/article/details/126856597

版权

numpy 专栏收录该内容

4 篇文章 1 订阅

订阅专栏

5.1 numpy.argmax() 和 numpy.argmin()

5.2 numpy.nonzero()

5.3 numpy.where()

5.4 numpy.extract()

1.数学函数

在NumPy 包含大量的各种数学运算的函数，包括三角函数，算术运算的函数，复数处理函数等。

NumPy 数学函数 | 菜鸟教程NumPy 数学函数 NumPy 包含大量的各种数学运算的函数，包括三角函数，算术运算的函数，复数处理函数等。三角函数 NumPy 提供了标准的三角函数：sin()、cos()、tan()。实例 [mycode3 type='python'] import numpy as np a = np.array([0,30,45,60,90]) print ('不同角度的正弦值：'..https://www.runoob.com/numpy/numpy-mathematical-functions.html

1.1 三角函数

NumPy 提供了标准的三角函数：sin()、cos()、tan()。

import numpy as np
 
a = np.array([0,30,45,60,90])
print ('不同角度的正弦值：')
# 通过乘 pi/180 转化为弧度  
print (np.sin(a*np.pi/180))
print ('\n')
print ('数组中角度的余弦值：')
print (np.cos(a*np.pi/180))
print ('\n')
print ('数组中角度的正切值：')
print (np.tan(a*np.pi/180))

输出结果：

arcsin，arccos，和 arctan 函数返回给定角度的 sin，cos 和 tan 的反三角函数。

这些函数的结果可以通过 numpy.degrees() 函数将弧度转换为角度。

1.2 舍入函数

numpy.around() 函数返回指定数字的四舍五入值。

numpy.around(a,decimals)

a: 数组
decimals: 舍入的小数位数。默认值为0。如果为负，整数将四舍五入到小数点左侧的位置

import numpy as np
 
a = np.array([1.0,5.55,  123,  0.567,  25.532])  
print  ('原数组：')
print (a)
print ('\n')
print ('舍入后：')
print (np.around(a))
print (np.around(a, decimals =  1))
print (np.around(a, decimals =  -1))

输出结果：

1.3 向下取整函数

numpy.floor() 返回小于或者等于指定表达式的最大整数，即向下取整。

import numpy as np
 
a = np.array([-1.7,  1.5,  -0.2,  0.6,  10])
print ('提供的数组：')
print (a)
print ('\n')
print ('修改后的数组：')
print (np.floor(a))

输出结果：

1.4 向上取整函数

numpy.ceil() 返回大于或者等于指定表达式的最小整数，即向上取整。

2.算数函数

NumPy 算术函数包含简单的加减乘除: add()，subtract()，multiply() 和 divide()。

np.add(array1，array2)表示array1与array2内各个对应元素相加之和；

np.subtract(array1，array2)表示array1与array2内各个对应元素相减之和；

np.multiply(array1，array2)表示array1与array2内各个对应元素相成之和；

np.divide(array1，array2)表示array1与array2内各个对应元素相除之和；

除此之外，numpy还提供

numpy.reciprocal()返回输入数组倒数；

numpy.power()函数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；

numpy.mod() 计算输入数组中相应元素的相除后的余数。函数 numpy.remainder() 也产生相同的结果。

3.统计函数

NumPy 提供了很多统计函数，用于从数组中查找最小元素，最大元素，百分位标准差和方差等。

1) numpy.amin(arr,axis) 用于计算数组中的元素沿指定轴的最小值。

2) numpy.amax(arr,axis) 用于计算数组中的元素沿指定轴的最大值。

3) numpy.ptp(arr)/numpy.ptp(arr,axis)函数计算数组中元素最大值与最小值的差（最大值 - 最小值）。

4) numpy.percentile()百分位数是统计中使用的度量，表示小于这个值的观察值的百分比。函数numpy.percentile()接受以下参数。

numpy.percentile(a, q, axis)

a: 输入数组
q: 要计算的百分位数，在 0 ~ 100 之间
axis: 沿着它计算百分位数的轴

5) numpy.median(arr) /numpy.median(arr,axis)函数用于计算数组 a 中元素的中位数（中值）

6) numpy.mean() 函数返回数组中元素的算术平均值。如果提供了轴，则沿其计算。

7) numpy.average() 函数根据在另一个数组中给出的各自的权重计算数组中元素的加权平均值。

该函数可以接受一个轴参数。如果没有指定轴，则数组会被展开。

加权平均值即将各数值乘以相应的权数，然后加总求和得到总体值，再除以总的单位数。

8) 标准差是一组数据平均值分散程度的一种度量。

标准差是方差的算术平方根。

标准差公式如下：

std = sqrt(mean((x - x.mean())**2))

9) 统计中的方差（样本方差）是每个样本值与全体样本值的平均数之差的平方值的平均数，即 mean((x - x.mean())** 2)。

换句话说，标准差是方差的平方根。

4.排序函数

NumPy 提供了多种排序的方法。这些排序函数实现不同的排序算法，每个排序算法的特征在于执行速度，最坏情况性能，所需的工作空间和算法的稳定性。下表显示了三种排序算法的比较。

种类	速度	最坏情况	工作空间	稳定性
`'quicksort'`（快速排序）	1	`O(n^2)`	0	否
`'mergesort'`（归并排序）	2	`O(n*log(n))`	~n/2	是
`'heapsort'`（堆排序）	3	`O(n*log(n))`	0	否

4.1 numpy.sort()

numpy.sort() 函数返回输入数组的排序副本。函数格式如下：

numpy.sort(a, axis, kind, order)

参数说明：

a: 要排序的数组
axis: 沿着它排序数组的轴，如果没有数组会被展开，沿着最后的轴排序， axis=0 按列排序，axis=1 按行排序
kind: 默认为'quicksort'（快速排序）
order: 如果数组包含字段，则是要排序的字段

import numpy as np  
 
a = np.array([[3,7],[9,1]])  
print ('我们的数组是：')
print (a)
print ('\n')
print ('调用 sort() 函数：')
print (np.sort(a))
print ('\n')
print ('按列排序：')
print (np.sort(a, axis =  0))
print ('\n')
# 在 sort 函数中排序字段 
dt = np.dtype([('name',  'S10'),('age',  int)]) 
a = np.array([("raju",21),("anil",25),("ravi",  17),  ("amar",27)], dtype = dt)  
print ('我们的数组是：')
print (a)
print ('\n')
print ('按 name 排序：')
print (np.sort(a, order =  'name'))

输出结果：

4.2 numpy.argsort()

numpy.argsort() 函数返回的是数组值从小到大的索引值。

5.条件筛选函数

5.1 numpy.argmax() 和 numpy.argmin()

numpy.argmax() 和 numpy.argmin()函数分别沿给定轴返回最大和最小元素的索引。

import numpy as np 
 
a = np.array([[30,40,70],[80,20,10],[50,90,60]])  
print  ('我们的数组是：') 
print (a) 
print ('\n') 
print ('调用 argmax() 函数：') 
print (np.argmax(a)) 
print ('\n') 
print ('展开数组：') 
print (a.flatten()) 
print ('\n') 
print ('沿轴 0 的最大值索引：') 
maxindex = np.argmax(a, axis =  0)  
print (maxindex) 
print ('\n') 
print ('沿轴 1 的最大值索引：') 
maxindex = np.argmax(a, axis =  1)  
print (maxindex) 
print ('\n') 
print ('调用 argmin() 函数：') 
minindex = np.argmin(a)  
print (minindex) 
print ('\n') 
print ('展开数组中的最小值：') 
print (a.flatten()[minindex]) 
print ('\n') 
print ('沿轴 0 的最小值索引：') 
minindex = np.argmin(a, axis =  0)  
print (minindex) 
print ('\n') 
print ('沿轴 1 的最小值索引：') 
minindex = np.argmin(a, axis =  1)  
print (minindex)

输出结果：