numpy——数学函数及逻辑函数

  ↵

【注意：由于numpy是面向数组的，所以其中为我们提供了很多对数组的适应性操作。其中有一个概念叫广播，

总结来说，广播的规则有三个：

1. 如果两个数组的维度数dim不相同，那么小维度数组的形状将会在左边补1

2. 如果shape维度不匹配，但是有维度是1，那么可以扩展维度是1的维度匹配另一个数组；

3. 如果shape维度不匹配，但是没有任何一个维度是1，则匹配引发错误；

】 

了解了这个之后，我们来看看这一期的主要内容：

一、数学函数

 1、要调用numpy中的数学函数，一定要在numpy包的名称后面接  .  比如：numpy.multiply函数

其他的常见函数可以参见各类python博客或书籍，本文就不再赘述了。

2、下面来介绍一下numpy针对数组而实现的数学函数重载：

在 numpy 中对以下函数进行了运算符的重载，且运算符为 元素级。也就是说，它们只用于位置相同的元素之间，所得到的运算结果组成一个新的数组。
      1. numpy.add(x1, x2, *args, **kwargs) Add arguments element-wise.

      2. numpy.subtract(x1, x2, *args, **kwargs) Subtract arguments element-wise.

      3. numpy.multiply(x1, x2, *args, **kwargs) Multiply arguments element-wise.

      4. numpy.divide(x1, x2, *args, **kwargs) Returns a true division of the inputs, element-wise.

      5. numpy.floor_divide(x1, x2, *args, **kwargs) Return the largest integer smaller or equal to the division of the inputs.

      6. numpy.power(x1, x2, *args, **kwargs) First array elements raised to powers from second array, element-wise.

 

3、加法函数：numpy.sum 

运行机制： 

         numpy.sum(a[, axis=None, dtype=None, out=None, …]) Sum of array elements over a given axis.
通过不同的 axis ，numpy 会沿着不同的方向进行操作：如果不设置，那么对所有的元素操作；如果 axis=0 ，则沿着纵轴进行操 作； axis=1 ，则沿着横轴进行操作。但这只是简单的二位数组，如果是多维的呢？可以总结为一句话：设 axis=i ，则 numpy 沿着第 i 个下标变化的方向进行操作。
 

4、乘法函数：numpy.cumsum

运行机制： 

      numpy.cumsum(a, axis=None, dtype=None, out=None) Return the cumulative sum of the elements along a given axis.
聚合函数 是指对一组值（比如一个数组）进行操作，返回一个单一值作为结果的函数。因而，求数组所有元素之和的函数就是聚合函 数。 ndarray 类实现了多个这样的函数。
 

5、差值函数：numpy.diff
 运行机制：

       numpy.diff(a, n=1, axis=-1, prepend=np._NoValue, append=np._NoValue) Calculate the n-th discrete difference along the given axis. a. a：输入矩阵 b. n：可选，代表要执行几次差值 c. axis：默认是后一个
The first difference is given by out[i] = a[i+1] - a[i] along the given axis, higher differences are calculated by using diff recursively.
 

6、四舍五入函数：numpy.around 

格式： numpy.around(a, decimals=0, out=None)  

 

7、返回数字符号的逐元素指示函数：numpy.sign 

格式： numpy.sign(x, *args, **kwargs)  

 

 

（逻辑函数请等待，我会尽快更新~~）