python：NumPy基础（2），通用函数及数据处理

利用python进行数据分析

第四章：NumPy基础：数组和矢量计算

通用函数：快速的元素级数组函数

通用函数（即ufunc）是一种对ndarray中的数据执行元素级运算的函数。可将其看做简单函数（接受一个或多个标量值，并产生一个或多个标量值）和矢量化包装器。
许多ufunc都是简单的元素级变体，如sqrt何exp：
>>> import numpy as np
>>> arr=np.arange(10)
>>> arr
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> np.sqrt(arr)
array([ 0. , 1. , 1.41421356, 1.73205081, 2. ,
2.23606798, 2.44948974, 2.64575131, 2.82842712, 3. ])
>>> np.exp(arr)
array([ 1.00000000e+00, 2.71828183e+00, 7.38905610e+00,
2.00855369e+01, 5.45981500e+01, 1.48413159e+02,
4.03428793e+02, 1.09663316e+03, 2.98095799e+03,
8.10308393e+03])
这些都是一元（unary）ufunc。另外一些（如add或maximum）接受2个数组（因此也叫二元（binary）ufunc），并返回一个结果数组：
>>> x=randn(8)
>>> y=randn(8)
>>> x+y
array([ 1.68094221, 0.42658988, 2.72688609, 1.70274258, 1.43604021, 1.2562558 , 2.16557412, 0.81580915])
>>> np.maximum(x, y)
array([ 1.99943165, 1.38437674, 1.52136131, 0.97030873, 0.76957974, 1.16327551, 2.35991155, 0.67526549])
但有些ufunc也可以返回多个数组。modf()，能够将数组中的整数和小数分开成两个数组，相当于python内置函数divmod的矢量化版本。
>>> arr=randn(7)*5
>>> arr
array([ 7.60937949, 1.31110658, 2.07687003, 3.85238617,
3.42094846, -1.9817143 , 10.73222908])
>>> np.modf(arr)
(array([ 0.60937949, 0.31110658, 0.07687003, 0.85238617, 0.42094846, -0.9817143 , 0.73222908]), array([ 7., 1., 2., 3., 3., -1., 10.]))

表4-3：一元ufunc
| 函数 | 说明 |
| abs、fabs | 计算整数、浮点数或复数的绝对值。对于非复数值，可以使用更快的fabs |
| sqrt | 计算各元素的平方根。相当于arr**0.5 |
| square | 计算各元素的平方。相当于arr**2 |
| exp | 计算各元素的指数e**x |
| log、log10、log2、log1p | 分别为自然对象（底数为e）、底数为10的log、底数为2的log、log（1+x） |
| sign | 计算各元素的正负号：1（整数）、0（零）、-1（负数） |
| ceil | 计算各元素的ceiling值，即大于等于该值的最小整数 |
| floor | 计算各元素的floor值，即小于等于该值的最大整数 |
| rint | 将各元素值四舍五入到最近的整数，保留dtype |
| modf | 将数组的小数和整数部分以两个独立数组的形式返回 |
| isnan | 返回一个表示“哪些值是NaN（缺失值）”的布尔型数组 |
| isfinite、isinf | 分别返回一个表示“哪些元素是有穷的（非