numpy 数组初始化及常用操作2

版权声明：本文为作者原创文章，如转载请注明出处。

4 数学函数

numpy提供了许多常用的数学函数，在应用时一定要分清1维数组和2维数组的区别。

函数	作用
sin/cos/tan	三角函数
round/floor/ceil	近似数
power	幂
mod	相除求余
amin/amax	最小最大值
mean	平均值
var	方差

首先定义4个数组

>>>import numpy as np
>>>a=np.array([1,2,3])
>>>b=np.array([2,3,4])
>>>c=np.array([[1,2,3],[2,3,4]])
>>>d=np.array([[2,3,4],[3,4,5]])

sin正弦 cos余弦 tan正切

>>>np.sin(a)
array([0.84147098, 0.90929743, 0.14112001])
>>>np.cos(c)
array([[ 0.54030231, -0.41614684, -0.9899925 ],
       [-0.41614684, -0.9899925 , -0.65364362]])

round四舍五入 floor向下取整 ceil向上取整

>>>np.round(np.sin(a))
array([1., 1., 0.])
>>>np.floor(np.cos(c))   
array([[ 0., -1., -1.],
       [-1., -1., -1.]])

>>>np.power(a,2)
array([1, 4, 9], dtype=int32)
>>>np.power(a,b)
array([ 1, 8, 81], dtype=int32)
>>>np.power(a,c)
array([[ 1,  4, 27],
       [ 1,  8, 81]], dtype=int32)
>>>np.power(c,a)
array([[ 1,  4, 27],
       [ 2,  9, 64]], dtype=int32)
>>>np.power(c,d)
array([[   1,    8,   81],
       [   8,   81, 1024]], dtype=int32)

pow和power有相同的用法

>>>np.mod(a,2)
array([1, 0, 1], dtype=int32)
>>>np.mod(a,b)
array([1, 2, 3], dtype=int32)
>>>np.mod(a,d)
array([[1, 2, 3],
       [1, 2, 3]], dtype=int32)
>>>np.mod(c,a)
array([[0, 0, 0],
       [0, 1, 1]], dtype=int32)     
>>>np.mod(c,d)
array([[1, 2, 3],
       [2, 3, 4]], dtype=int32)

amin最小值 amax最大值

>>>np.amin(b)
2
>>>np.amin(c)
1
>>>np.amin(c,axis=0)
array([1, 2, 3])
>>>np.amin(c,axis=1)
array([1, 2])

mean 平均值

>>>np.mean(a)
2.0
>>>np.mean(c)
2.5
>>>np.mean(c,axis=0)
array([1.5, 2.5, 3.5])
>>>np.mean(c,axis=1)
array([2., 3.])

var方差

>>>np.var(a)
0.6666666666666666
>>>np.var(c)
0.9166666666666666
>>>np.var(c,axis=0)
array([0.25, 0.25, 0.25])
>>>np.var(c,axis=1)
array([0.66666667, 0.66666667])

*矩阵乘法

在数据处理中有许多矩阵乘法的应用，现在对其总结。
点乘

>>>a*2
array([2, 4, 6])
>>>c*2
array([[2, 4, 6],
       [4, 6, 8]])
>>>a*b
array([ 2,  6, 12])
>>>a*c
array([[ 1,  4,  9],
       [ 2,  6, 12]])
>>>c*a
array([[ 1,  4,  9],
       [ 2,  6, 12]])
>>>c*d
array([[ 2,  6, 12],
       [ 6, 12, 20]])
      

矩阵乘法

>>>np.dot(a,b)
20
>>>np.dot(c,a)
array([14, 20])
>>>np.dot(a,c.T)
array([14, 20])
>>>np.dot(c,d.T)
array([[20, 26],
       [29, 38]])