numpy学习笔记4——常用函数3

import numpy as np

函数的方法

a = np.arange(9)
#addd的方法
print('add方法')
#reduce==sum 总和，返回一个数
print('reduce')
print(np.add.reduce(a))
print(a.sum())

#accumulate==cumsum 累计和，返回一数组
print('accumulate')
print(np.add.accumulate(a))
print(a.cumsum())

#outer 返回一个数组，这个数组的秩是输入两个的数组的秩的和
print('outer')
b = np.arange(3)
c = np.add.outer(a,b)
print(c)
#验证一下
print(np.linalg.matrix_rank(a))
print(np.linalg.matrix_rank(b))
print(np.linalg.matrix_rank(c))

#reduceat 
print('reduceat')
print(np.add.reduceat(a, [0, 5, 2, 7]))
print(np.add.reduce(a[0:5]))
print(a[5])
print(np.add.reduce(a[2:7]))
print(np.add.reduce(a[7:]))

add方法
reduce
36
36
accumulate
[ 0  1  3  6 10 15 21 28 36]
[ 0  1  3  6 10 15 21 28 36]
outer
[[ 0  1  2]
 [ 1  2  3]
 [ 2  3  4]
 [ 3  4  5]
 [ 4  5  6]
 [ 5  6  7]
 [ 6  7  8]
 [ 7  8  9]
 [ 8  9 10]]
1
1
2
reduceat
[10  5 20 15]
10
5
20
15

reducead的输入参数为两个，一个是要计算的数组，一个是索引
计算方法是：

结果的第一个元素是0到5的索引的和

结果的第二个元素是5的索引（因为5>2)

结果的第三个元素是2到7的索引的和

结果的第四个元素是7到end的索引的和

算术运算

#四则运算
d = np.array([1,5,4,3])
e = np.array([6,7,9,7])
print('加法')
print(np.add(d,e))

print('减法')
print(np.subtract(d,e))

print('乘法')
print(np.multiply(d,e))

print('除法')
print('divide')
print(np.divide(d,e)) #只保留整数==/ 
print(np.divide(e,d))
print('/') #与/的运算结果一致
print(d/e)
print(e/d)

print('true_divide')
print(np.true_divide(d,e)) #保留小数
print(np.true_divide(e,d))

print('floor_divide')
print(np.floor_divide(d,e)) #除完后向下取整==//
print(np.floor_divide(e,d))
print('//') #与//的运算结果一致
print(d//e)
print(e//d)

加法
[ 7 12 13 10]
减法
[-5 -2 -5 -4]
乘法
[ 6 35 36 21]
除法
divide
[0.16666667 0.71428571 0.44444444 0.42857143]
[6.         1.4        2.25       2.33333333]
/
[0.16666667 0.71428571 0.44444444 0.42857143]
[6.         1.4        2.25       2.33333333]
true_divide
[0.16666667 0.71428571 0.44444444 0.42857143]
[6.         1.4        2.25       2.33333333]
floor_divide
[0 0 0 0]
[6 1 2 2]
//
[0 0 0 0]
[6 1 2 2]

在python3.7.4中np.divide和’/'并不只保留整数，还保留小数

# 模运算
f = np.arange(-4,4)
#remainder==mod==%
print('remainder')
print(np.remainder(f,2)) #对2取模


print('mod')
print(np.mod(f,2))

print('%')
print(f % 2)

print('fmod') #取模 结果的正负号由被除数决定
print(f) #除数
print(np.fmod(f,2))

remainder
[0 1 0 1 0 1 0 1]
mod
[0 1 0 1 0 1 0 1]
%
[0 1 0 1 0 1 0 1]
fmod
[-4 -3 -2 -1  0  1  2  3]
[ 0 -1  0 -1  0  1  0  1]

斐波那契数列

又称黄金分割数列，数列的特点是以递归的方式定义，其中元素之间满足关系：$F(1)=1,F(2)=1,F(3)=F(2)+F(1)=2,...,F(n)=F(n-1)+F(n-2)(n>=3,n\in N^{\ast })$

#利用矩阵相乘创建
#基础矩阵
g = np.matrix([[1, 1], [1,0]])
print(g)

print('基矩阵自身相乘')
h = g*g
print(h)
print('斐波那契数列第一个数')
print(h[0,0])
print('基矩阵自身相乘六次')
i = g**7
print(i)
print('斐波那契数列第八个数')
print(i[0,0])

[[1 1]
 [1 0]]
基矩阵自身相乘
[[2 1]
 [1 1]]
斐波那契数列第一个数
2
基矩阵自身相乘六次
[[21 13]
 [13  8]]
斐波那契数列第八个数
21

矩阵相乘得到斐波那契数列的原理：


$\left(\begin{array}{cc}1& 1\\ 1& 0\end{array}\right)\ast \left(\begin{array}{cc}1& 1\\ 1& 0\end{array}\right)=\left(\begin{array}{cc}1\ast 1+1\ast 1& 1\\ 1& 1\end{array}\right)=\left(\begin{array}{cc}2& 1\\ 1& 1\end{array}\right)$


基矩阵子相乘一次（g * g）第一个元素为F(3)=2


$\left(\begin{array}{cc}2& 1\\ 1& 1\end{array}\right)\ast \left(\begin{array}{cc}1& 1\\ 1& 0\end{array}\right)=\left(\begin{array}{cc}1\ast 2+1\ast 1& 1\\ 2& 0\end{array}\right)=\left(\begin{array}{cc}3& 2\\ 2& 1\end{array}\right)$


基矩阵子相乘两次（g * g * g=g** 3）第一个元素为F(4)=F(3)+F(2)=2+1=3

…

基矩阵子相乘n次（g * g * g …=g** (n+1)）第一个元素为F（n+2)=F(n)+F(n-1)

#利用黄金分割公式创建
j = np.arange(1,9) #计算前八个斐波那契数列
print(j)

k = np.sqrt(5) #根号5
a = (1+k)/2
b = (1-k)/2
m = (a**j - b**j)/k  #见下面的公式（12）

print(m)
print('结果')
n = np.rint(m) #取整(类型不变)
print(n)

[1 2 3 4 5 6 7 8]
[ 1.  1.  2.  3.  5.  8. 13. 21.]
结果
[ 1.  1.  2.  3.  5.  8. 13. 21.]

黄金分割公式如下：其中a为总长，b为段长


$b^2=a\ast (a-b)=a^2-a\ast b$


解得


$\frac{b}{a}=\frac{\sqrt{5}-1}{2}\approx 0.618$


斐波那契数列和黄金分割的关系是：从三个元素开始，相邻两个元素的商接近黄金分割比例，数值越大越接近


$\frac{2}{3}\approx 0.6667$


$\frac{3}{5}=0.6$


…


$\frac{13}{21}\approx 0.619$


…


$$\underset{n\to +\infty }{\lim }\frac{a_n}{a_{n-1}}=\frac{\sqrt{5}-1}{2}\approx 0.618$$

斐波那契数列的通项推导

下面根据矩阵创建方式推导斐波那契数列的通项F(n):


根据矩阵相乘得到的规律，由基矩阵相乘n-2次（n-1次方）得到矩阵：

$${\left(\begin{array}{cc}1& 1\\ 1& 0\end{array}\right)}^n=\left(\begin{array}{cc}F(n)& x1\\ x1& x2\end{array}\right)\text{\hspace{1em}(1)}$$

由基矩阵相乘n-1次（n次方)得到矩阵如下公式，再代入（1）式化简如下：


$${\left(\begin{array}{cc}1& 1\\ 1& 0\end{array}\right)}^n=\left(\begin{array}{cc}F(n+1)& y1\\ y1& y2\end{array}\right)=\left(\begin{array}{cc}F(n)& x1\\ x1& x2\end{array}\right)\ast \left(\begin{array}{cc}1& 1\\ 1& 0\end{array}\right)=\left(\begin{array}{cc}F(n)+x1& F(n)\\ x1+x2& x1\end{array}\right)\text{\hspace{1em}(2)}$$

左右两边对应相等可以得到：


$$\{\begin{array}{l}F(n+1)=F(n)+x1\\ y1=F(n)\\ y1=x1+x2\\ y2=x1\end{array}\text{\hspace{1em}(3)}$$

由斐波那契数列的特点可以得到：


$$\{\begin{array}{l}F(n+1)=F(n)+F(n-1)\\ F(n)=F(n-1)+F(n-2)\end{array}\text{\hspace{1em}(4)}$$


将（4）式代入(3)式可以得到
$$\{\begin{array}{l}x1=F(n-1)\\ y1=F(n)\\ x2=F(n-2)\\ y2=F(n-1)\end{array}\text{\hspace{1em}(5)}$$


代入（2）式可得

$${\left(\begin{array}{cc}1& 1\\ 1& 0\end{array}\right)}^n=\left(\begin{array}{cc}F(n+1)& F(n)\\ F(n)& F(n-1)\end{array}\right)\text{\hspace{1em}(6)}$$

所以接下来的问题就是求解：
$${\left(\begin{array}{cc}1& 1\\ 1& 0\end{array}\right)}^n\text{\hspace{1em}(7)}$$

先求$A=\left(\begin{array}{cc}1& 1\\ 1& 0\end{array}\right)$的特征值，下面是A的特征方程：

$$|\lambda E-A|=\left|\begin{array}{cc}\lambda -1& -1\\ -1& \lambda \end{array}\right|={\lambda }^2-\lambda -1=0\text{\hspace{1em}(8)}$$

可以解得特征值为${\lambda }_1=\frac{1+\sqrt{5}}{2}$ ${\lambda }_2=\frac{1-\sqrt{5}}{2}$
由于二阶矩阵具有两个不同的特征值，所以矩阵A可对角化。


当$\lambda =\frac{1+\sqrt{5}}{2}$代入$(\lambda E-A)x=0$得到 $\left(\begin{array}{cc}\frac{-1+\sqrt{5}}{2}& -1\\ -1& \frac{1+\sqrt{5}}{2}\end{array}\right)x=0$从而得到特征向量 ${\alpha }_1=\left(\begin{array}{c}1\\ \frac{-1+\sqrt{5}}{2}\end{array}\right)$

当$\lambda =\frac{1-\sqrt{5}}{2}$代入$(\lambda E-A)x=0$得到 $\left(\begin{array}{cc}-\frac{1+\sqrt{5}}{2}& -1\\ -1& \frac{1-\sqrt{5}}{2}\end{array}\right)x=0$从而得到特征向量 ${\alpha }_2=\left(\begin{array}{c}1\\ -\frac{1+\sqrt{5}}{2}\end{array}\right)$

构造可逆矩阵$P=({\alpha }_1,{\alpha }_2)=\left(\begin{array}{cc}1& 1\\ \frac{-1+\sqrt{5}}{2}& -\frac{1+\sqrt{5}}{2}\end{array}\right)$使得$A=P\Lambda P^{-1}$


所以$$A^n=P{\Lambda }^n{P}^{-1}\text{\hspace{1em}(9)}$$
根据二阶方阵的求逆公式${\left(\begin{array}{cc}a& b\\ c& d\end{array}\right)}^{-1}=\frac{1}{ac-bd}\left(\begin{array}{cc}d& -b\\ -c& a\end{array}\right)$得到：


$$P^{-1}=\frac{-1}{\sqrt{5}}\left(\begin{array}{cc}-\frac{1+\sqrt{5}}{2}& -1\\ -\frac{-1+\sqrt{5}}{2}& 1\end{array}\right)=\frac{1}{\sqrt{5}}\left(\begin{array}{cc}\frac{1+\sqrt{5}}{2}& 1\\ \frac{-1+\sqrt{5}}{2}& -1\end{array}\right)\text{\hspace{1em}(10)}$$

将式（10）代入（9）可得：
$$\begin{gathered} A^n=\left(\begin{array}{cc}1& 1\\ \frac{-1+\sqrt{5}}{2}& -\frac{1+\sqrt{5}}{2}\end{array}\right)\left(\begin{array}{cc}(\frac{1+\sqrt{5}}{2}{)}^n& 0\\ 0& (\frac{1-\sqrt{5}}{2}{)}^n\end{array}\right)\frac{1}{\sqrt{5}}\left(\begin{array}{cc}\frac{1+\sqrt{5}}{2}& 1\\ \frac{-1+\sqrt{5}}{2}& -1\end{array}\right) \\ =\left(\begin{array}{cc}(\frac{1+\sqrt{5}}{2}{)}^n& (\frac{1-\sqrt{5}}{2}{)}^n\\ \frac{-1+\sqrt{5}}{2}(\frac{1+\sqrt{5}}{2}{)}^n& -\frac{1+\sqrt{5}}{2}(\frac{1-\sqrt{5}}{2}{)}^n\end{array}\right)\frac{1}{\sqrt{5}}\left(\begin{array}{cc}\frac{1+\sqrt{5}}{2}& 1\\ \frac{-1+\sqrt{5}}{2}& -1\end{array}\right) \\ =\frac{1}{\sqrt{5}}\left(\begin{array}{cc}(\frac{1+\sqrt{5}}{2}{)}^n& (\frac{1-\sqrt{5}}{2}{)}^n\\ (\frac{1+\sqrt{5}}{2}{)}^{n-1}& (\frac{1-\sqrt{5}}{2}{)}^{n-1}\end{array}\right)\left(\begin{array}{cc}\frac{1+\sqrt{5}}{2}& 1\\ \frac{-1+\sqrt{5}}{2}& -1\end{array}\right) \\ =\frac{1}{\sqrt{5}}\left(\begin{array}{cc}((\frac{1+\sqrt{5}}{2}{)}^{n+1}-(\frac{1-\sqrt{5}}{2}{)}^{n+1})& ((\frac{1+\sqrt{5}}{2}{)}^n-(\frac{1-\sqrt{5}}{2}{)}^n)\\ (\frac{1+\sqrt{5}}{2}{)}^n-(\frac{1-\sqrt{5}}{2}{)}^n& (\frac{1+\sqrt{5}}{2}{)}^{n-1}-(\frac{1-\sqrt{5}}{2}{)}^{n-1}\end{array}\right)\text{\hspace{1em}(11)} \end{gathered}$$

将式(11)和式(6)对比，左右两变对应相等，可以得到F(n)的表达式：

$$F(n)=\frac{1}{\sqrt{5}}(\frac{1+\sqrt{5}}{2}{)}^n-(\frac{1-\sqrt{5}}{2}{)}^n)\text{\hspace{1em}(12)}$$

波形绘制

方波

方波的傅里叶级数为${\sum }_{k=1}^{+\infty }\frac{4sin((2k-1)t)}{(2k-1)\pi }$

import matplotlib.pyplot as plt
%matplotlib inline  
#根据傅里叶级数画图
t = np.linspace(-np.pi,np.pi,201)
k = np.arange(1,100) #序列
f = np.zeros_like(t) #初始化数组
#计算每一个点
for i in range(len(t)):
    f[i] = np.sum((4*np.sin((2*k-1)*t[i]))/((2*k-1)*np.pi))
plt.plot(t,f)

锯齿波与三角波

锯齿波的傅里叶级数为${\sum }_{k=1}^{+\infty }\frac{-2sin(2kt\pi )}{k\pi }$

而三角波的取值是锯齿波的绝对值

#根据傅里叶级数画图
t = np.linspace(-np.pi,np.pi,201)
k = np.arange(1,100) #序列
f = np.zeros_like(t) #初始化数组
#计算每一个点
for i in range(len(t)):
    f[i] = np.sum((-2*np.sin(2*k*t[i]*np.pi))/(k*np.pi))
plt.subplot(121)
plt.plot(t,f)
plt.title('Sawtooth Wave')
plt.subplot(122)
plt.plot(t,np.abs(f))
plt.title('Triangular Wave')

利萨如曲线

利萨如曲线是两个沿着相互的垂直方向的正弦震荡合成的曲线，利用利萨如曲线可以欸测量出两个信号的频率差或相位差。

t = np.linspace(-np.pi,np.pi,201) #模拟时间点，从-Π到Π中产生201个均匀分布的点
a = 8 #x方向的震幅
b = 9 #y方向的震幅
x = np.sin(a*t + np.pi/2) #相位为二分之一Π
y  = np.sin(b*t) #相位为0
plt.plot(x,y)
plt.show()

位操纵

#不等运算符（^）---符号不一致时返回负数
x = np.arange(-9,9)
y = -x
print(x^y)
print((x^y)<0)

#函数实现
z = np.bitwise_xor(x,y) #对应^
print(z)
print(np.less(z,0)) #对应<0

[ -2 -16  -2  -4  -2  -8  -2  -4  -2   0  -2  -4  -2  -8  -2  -4  -2 -16]
[ True  True  True  True  True  True  True  True  True False  True  True
  True  True  True  True  True  True]
[ -2 -16  -2  -4  -2  -8  -2  -4  -2   0  -2  -4  -2  -8  -2  -4  -2 -16]
[ True  True  True  True  True  True  True  True  True False  True  True
  True  True  True  True  True  True]

^ 其实是异或运算，要想得具体数值，需要把原来的十进制数值转为二进制补码进行计算，因为计算机是以补码的形式计算，而在显示过程又重新把其还原为十进制表示。下面是几种码的概念。

原码：最高位为符号位，1表示负数，0表示正数，其他为二进制数。9的原码是00001001，-9的原码是10001001

反码：正数的反码等于原码，负数的反码等于除符号位外，按位取反。9的反码是00001001，-9的反码是11110110

补码：正数的补码等于原码，而对于负数的补码，其计算规则符合：负数的补码等于反码+1。9的补码是00001001，-9的补码是11110111

以’-9 ^ 9’为例，9的二进制为1001。-9的补码是11110111，9的补码是00001001，^表示异或运算：两个相同的数异或后输出0，两个不同的数异或后输出1。

11110111

00001001

---

11111110

也就是-9 ^ 9的最后结果的是11111110，但是这是补码的形式，所以还需要把补码先转为原码。补码转原码的规律依然是：符号位不变，其余取反加1。所以11111110补码的原码是10000001+1=10000010（二进制加法）。然后再将原码转为十进制就是的-2，所以-9 ^ 9=-2，其余的计算方法也是一样。

#位与操作符（&)
x = np.arange(-9,9)
y = x & (x-1)
print(y)
print(y==0)

#函数实现
z = np.bitwise_and(x,(x-1)) #对应&
print(z)
print(np.equal(z,0))#对应===

[-10 -16  -8  -8  -6  -8  -4  -4  -2   0   0   0   2   0   4   4   6   0]
[False False False False False False False False False  True  True  True
 False  True False False False  True]
[-10 -16  -8  -8  -6  -8  -4  -4  -2   0   0   0   2   0   4   4   6   0]
[False False False False False False False False False  True  True  True
 False  True False False False  True]

位于的运算和^的运算类似，这里以-9 & -10<br>

-9的补码是11110111<br>
-10：原码：10001010，反码：11110101：补码：11110110<br>
为例。位与操作是只有当两个数都为1时才输出1，其余输出0。所以有<br>

11110111

11110110

---

11110110

11110110对应的原码为10001010，对应的十进制为-10

#移位操作符
print(1<<2)
x = np.arange(-9,9)
y = x & ((1<<2)-1)
print(x)
print(y)

#函数实现
z = np.left_shift(1,2) #对应1<<2
print(z)
print(np.bitwise_and(x, z-1)) #对应&

4
[-9 -8 -7 -6 -5 -4 -3 -2 -1  0  1  2  3  4  5  6  7  8]
[3 0 1 2 3 0 1 2 3 0 1 2 3 0 1 2 3 0]
4
[3 0 1 2 3 0 1 2 3 0 1 2 3 0 1 2 3 0]

1的二进制为0001，左移两位后变成0100，十进制为4。而将2的幂次减去1会变成一个全1的二进制数，如4的二进制为0100，减1变为11。对全1的二进制进行与（&）操作可以得到以2为幂数作为模的余数,也就是说与11进行&操作，就会得到以4为模的余数。同理。对111进行&操作，就会得到以8为模的余数。对于-9对4取余，余数一般取正数，所以，-9÷4 = -3…3