Python数据分析之NumPy数组的计算（通用函数、排序等）

1、通用函数

NumPy提供了一个简单灵活的接口来优化数据数组的计算。使NumPy变快的关键是利用向量化操作，通常在NumPy的通用函数中实现。可以通过简单对数组执行操作来实现，这里对数组的操作会被用于数组中的每一个元素，这种向量方法被用于将循环推送至NumPy之下的 编译层，这样会取得更快的执行效率。

NumPy实现的算术运算符

运算符	对应的通用函数	描述
+	np.add	加法运算（即1+1=2）
-	np.subtract	减法运算（即3-2=1）
-	np.negative	负数运算（即-2）
*	np.multiply	乘法运算（即2* 3= 6）
/	np.divide	除法运算（即3/2=1.5）
//	np.floor_divide	地板除法运算（floor division，即3//2=1）
**	np.power	指数运算（即2**3=8）
%	np.mod	模/余数（即9%4=1）

对于非常小的输入值可以保持较好的精度，当x的值很小时，以上函数给出的值比np.log和np.exp的计算更精确

print("exp(x) - 1 = ",np.expm1(x))
exp(x) - 1 =  [0.         0.0010005  0.01005017 0.10517092]

print("log(1+x)=",np.log1p(x))
log(1+x)= [0.         0.0009995  0.00995033 0.09531018]

NumPy一元函数

对ndarray中的数据执行元素级运算的函数

函数	说明
np.abs(x)   np.fabs(x)	计算数组各元素的绝对值（计算整数、浮点数或复数的绝对值，对于非复数，可以使用更快的fabs）
np.sqrt(x)	计算数组各元素的平方根，相当于arr**0.5
np.square(x)	计算数组各元素的平方，相当于arr**2
np.log(x)  np.log10(x)   np.log2(x)	计算数组各元素的自然对数(e)、10底对数和2底对数
np.ceil(x)   np.floor(x)	计算数组各元素的ceiling值（表示不超过元素的整数值）或floor值（小于这个元素的最大整数值）
np.rint(x)	计算数组各元素的四舍五入值，保留dtype
np.modf(x)	将数组各元素的小数和整数部分以两个独立数组形式返回
np.cos(x)     np.cosh(x) np.sin(x)      np.sinh(x) np.tan(x)     np.tanh(x)	计算数组各元素的普通型和双曲型三角函数
np.exp(x)	计算数组各元素的指数值   e^x
np.exp2(x)	2^x
np.power(3,x)	3^x
np.sign(x)	计算数组各元素的符号值（正负号）：1(+),0,-1(-)
isnan	返回一个表示“哪些值是NAN（这不是一个数字）”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inf，非NaN）”或“哪些元素是无穷的”的布尔型数组
arccos、arccosh、arcsin、 arcsinh、arctan、arctanh、 logical_not	反三角函数、 计算各元素not x的真值，相当于-arr

a = np.arange(24).reshape((2,3,4))

np.square(a)                                    #数组本身并未发生改变，新生成了结果
Out[31]: 
array([[[  0,   1,   4,   9],
        [ 16,  25,  36,  49],
        [ 64,  81, 100, 121]],

       [[144, 169, 196, 225],
        [256, 289, 324