目录
二、主要内容
12、Numpy常用函数
快速在Numpy数组上进行计算的关键是使用向量化操作,通常通过Numpy的通用函数实现。
只需对数组执行一个操作,然后将该操作应用于每个元素,就可以完成向量化操作。
向量化方法只在将循环推入Numpy底层的编译层,从而大大加快执行速度。
任何时候在Python脚本中看到这样的循环,都应该考虑是否可以用向量化表达式替换它。
13、数组运算
14、绝对值运算
15、三角函数计算
16、指数和对数计算
当x非常小时,ufuncs有一些专门的版本,这些版本对于保持精度很有用。
17、特殊的函数
对于更专业、更难懂的ufuncs,另一个很好的来源是子模块<scipy. special>
18、指定输出
对于大型计算,有时可以指定存储计算结果的数组。
您可以使用关键字“out”,而不是创建临时数组,将计算结果直接写入你希望它们所在的内存位置。
19、整合
对于二进制不实用程序,有一些有趣的整合可以直接从对象计算出来。
20、统计
任何ufunc都可以使用outer()方法计算所有两个不同输入对的输出。
这允许你在一行中完成创建乘法表等操作。
通常,当您面对大量数据时,第一步是计算相关数据的汇总统计信息。
对于min()、max()、sum()和其他Numpy聚合,较短的语法是使用数组对象本身的方法。
当存在NaN值的时候
21、Numpy数组的广播
广播只是一组规则,用于在不同大小的数组上应用二进制ufuncs。
Numpy中的广播遵循一套严格的规则来确定两个数组之间的交互:
规则1:如果两个数组的维度数不同,则维度更少的数组的形状将在其前边(左侧)填充维度数。
规则2:如果两个数组的形状在任何维度中不匹配,则拉伸该维度中形状为1的数组以匹配另一个形状。
规则3:如果在任何维度中大小不一致且两者都不等于1,则会引发错误。
广播在实践中是非常有用的,例如,在数组居中或绘制二维函数的情况下。
由于内容过多,将会在接下来的文章中再做介绍,本文章内容到此,后续会有更新。