数组四则运算与通用函数

1.数组运算

1.1数组与标量间的运算

import numpy as np
a = np.arange(0, 10).reshape((2, 5))
#array([[0, 1, 2, 3, 4],
#       [5, 6, 7, 8, 9]])
#加法+
a+5
#[[ 5  6  7  8  9]
# [10 11 12 13 14]]

#减法-
a-5
#[[-5 -4 -3 -2 -1]
# [ 0  1  2  3  4]]

#乘法*
a*5
#[[ 0  5 10 15 20]
# [25 30 35 40 45]]

#除法/
a/5
#[[0.  0.2 0.4 0.6 0.8]
#[1.  1.2 1.4 1.6 1.8]]

1.2数组间的运算

数组间的维数相同，才能进行运算

b=a+10
#array([[10, 11, 12, 13, 14],
#       [15, 16, 17, 18, 19]])
b.shape,a.shape
#((2, 5), (2, 5))
#加法
a+b
#array([[10, 12, 14, 16, 18],
#       [20, 22, 24, 26, 28]])

#减法
a-b
#array([[-10, -10, -10, -10, -10],
#       [-10, -10, -10, -10, -10]])

#乘法
a*b
#array([[  0,  11,  24,  39,  56],
#       [ 75,  96, 119, 144, 171]])

#除法
a/b
#array([[0.        , 0.09090909, 0.16666667, 0.23076923, 0.28571429],
#       [0.33333333, 0.375     , 0.41176471, 0.44444444, 0.47368421]])

广播机制

m = np.arange(5)
#m: array([0, 1, 2, 3, 4])
#b: array([[10, 11, 12, 13, 14],
#          [15, 16, 17, 18, 19]])
b+m
#array([[10, 12, 14, 16, 18],
#       [15, 17, 19, 21, 23]])

2.通用函数

2.1内置一元函数

函数	说明
np.sin，np.cos，np.tan	三角函数
np.arcsin，np.arccos，np.arctan	反三角函数
np.sinh，np.cosh，np.tanh	双曲三角函数
np.arcsinh，np.arccosh，np.arctanh	反双曲三角函数
np.sqrt	求平方根
np.exp	计算自然指数
np.log，np.log2，np.log10	计算对数（依次是以e、2、10为底）

alpha = np.linspace(-1, 1, 11) #开始为-1，结束为1，一共11个值的等差数列
#[-1.  -0.8 -0.6 -0.4 -0.2  0.   0.2  0.4  0.6  0.8  1. ]
y = np.sin(np.pi * alpha)#三角函数
np.round(y, decimals=3)#四舍五入函数，取3位小数
#array([-0.   , -0.588, -0.951, -0.951, -0.588,  0.   ,  #0.588,  0.951,0.951,  0.588,  0.   ])

2.2内置二元函数

函数	说明
np.add，np.subtract，np.multiply，np.divide	算数运算函数
np.equal，np.not_equal，np.less，np.less_equal，np.greater，np.greater_equal	比较运算函数
np.power	指数运算
np.remainder	得到余数
np.reciprocal	返回倒数（不要使用整数型）
np.real，np.imag，np.conj	复数的实部、虚部和完整的复数
np.sign，np.abs	得到对象符号和绝对值
np.floor，np.ceil，np.rint	效果都是取整
np.round	四舍五入

np.add(np.power(np.sin(alpha), 2), np.power(np.cos(alpha), 2))#sin(alpha)^2+cos(alpha)^2
#array([1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.])

a = np.arange(10.0, 100.0, 2) #开始为10，结束为10，步长为2
#array([10., 12., 14., 16., 18., 20., 22., 24., 26., 28., 30., 32., 34.,36., 38., 40., 42., 44., 46., 48., 50., 52., 54., 56., 58., 60.,62., 64., 66., 68., 70., 72., 74., 76., 78., 80., 82., 84., 86.,88., 90., 92., 94., 96., 98.])
b = np.logspace(2, 4, a.shape[0]) #开始为2，结束为4，数据量为a的0轴元素个数的等比数列
m = np.empty_like(a) #创建一个和a一样大小的空数组  
np.remainder(b, a, out=m)#b/a取余数，存到m中 

2.3自定义函数

# 定义bmi函数
def bmi(height, weight):
    bmi_index = weight / height ** 2
    if bmi_index >18 and bmi_index < 25:
        return 0
    elif bmi_index <= 18:
        return -1
    else:
        return 1

bmi(1.55, 45)    # 调用函数 45/(1.55*1.55)=18.730489073881373>18 返回0

数组也可以这样调用函数吗？

# 创建身高数组
h  = (2.2 - 1.4)* np.random.random_sample((10,)) + 1.4
h = np.round(h, 2)#随机生成10个值，再取2位数
#array([2.07, 1.96, 1.72, 1.75, 1.44, 1.75, 1.59, 1.48, 1.73, 1.81])

# 体重的数组
w = (96 - 30) * np.random.random_sample((10,)) + 30
w = np.round(w, 2)
#array([48.5 , 31.18, 30.53, 68.28, 50.75, 38.16, 78.24, 60.08, 72.21,65.78])

bmi(h, w)#报错

解决办法：转换

bmi_ufunc = np.frompyfunc(bmi, 2, 1)
bmi_ufunc(h, w)
#array([-1, -1, -1, 0, 0, -1, 1, 1, 0, 0], dtype=object)

函数说明：
frompyfunc(func, nin, nout)#参数（函数，输入，输出）

Takes an arbitrary Python function and returns a NumPy ufunc.
接受任意Python函数并返回NumPy ufunc。

另外一个方法：矢量化

bmi_ufunc2 = np.vectorize(bmi, otypes=[np.float])

bmi_ufunc2(h, w)
#array([-1., -1., -1.,  0.,  0., -1.,  1.,  1.,  0.,  0.])

函数说明：
vectorize(pyfunc, otypes=None)#参数（函数）

Generalized function class.泛化函数类

Define a vectorized function which takes a nested sequence of objects or numpy arrays as inputs and returns a single numpy array or a tuple of numpy arrays.

定义一个矢量化函数，该函数采用嵌套的对象序列或
numpy数组作为输入，并返回单个numpy数组或numpy元组、数组。