[转载] python numpy.sqrt_python中numpy库ndarray多维数组的的运算：np.abs(x)、np.sqrt(x)、np.modf(x)等...

参考链接： Python中的numpy.tan

numpy库提供非常便捷的数组运算，方便数据的处理。

 1、数组与标量之间可直接进行运算

 In [45]: a

 Out[45]:

 array([[ 0, 1, 2, 3],

 [ 4, 5, 6, 7],

 [ 8, 9, 10, 11]])

 In [46]: a/5

 Out[46]:

 array([[ 0. , 0.2, 0.4, 0.6],

 [ 0.8, 1. , 1.2, 1.4],

 [ 1.6, 1.8, 2. , 2.2]])

 1

 2

 3

 4

 5

 6

 7

 8

 9

 10

 11

 2、NumPy一元函数对ndarray中的数据执行元素级运算的函数

 np.abs(x)、np.fabs(x) ： 计算数组各元素的绝对值

 np.sqrt(x) ： 计算数组各元素的平方根

 np.square(x) ： 计算数组各元素的平方

 np.log(x) 、np.log10(x)、np.log2(x) ： 计算数组各元素的自然对数、10底对数和2底对数

 np.ceil(x) 、np.floor(x) ： 计算数组各元素的ceiling值或floor值

 In [48]: a[1,1] = -1

 In [49]: a

 Out[49]:

 array([[ 0, 1, 2, 3],

 [ 4, -1, 6, 7],

 [ 8, 9, 10, 11]])

 In [50]: np.abs(a)

 Out[50]:

 array([[ 0, 1, 2, 3],

 [ 4, 1, 6, 7],

 [ 8, 9, 10, 11]])

 1

 2

 3

 4

 5

 6

 7

 8

 9

 10

 11

 12

 13

 np.rint(x) ： 计算数组各元素的四舍五入值

 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

 np.sign(x) ： 计算数组各元素的符号值，1(+), 0, ‐1(‐)

 3、NumPy二元函数对ndarray中的数据执行元素级运算的函数

 +、 ‐、 * 、/ 、** 两个数组各元素进行对应运算

 np.maximum(x,y) 、np.fmax()、 np.minimum(x,y) 、np.fmin() ：元素级的最大值/最小值计算

 np.mod(x,y) ：元素级的模运算

 np.copysign(x,y) ： 将数组y中各元素值的符号赋值给数组x对应元素

 > < >= <= == != 算术比较，产生布尔型数组

 In [59]: b = np.full_like(a,2)

 In [60]: b

 Out[60]:

 array([[2, 2, 2, 2],

 [2, 2, 2, 2],

 [2, 2, 2, 2]])

 In [61]: a*b

 Out[61]:

 array([[ 0, 2, 4, 6],

 [ 8, -2, 12, 14],

 [16, 18, 20, 22]])

 In [62]: np.maximum(a,b)

 Out[62]:

 array([[ 2, 2, 2, 3],

 [ 4, 2, 6, 7],

 [ 8, 9, 10, 11]])

 In [63]: a>b

 Out[63]:

 array([[False, False, False, True],

 [ True, False, True, True],

 [ True, True, True, True]], dtype=bool)

 ————————————————

 版权声明：本文为CSDN博主「brucewong0516」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。

 原文链接：https://blog.csdn.net/brucewong0516/article/details/79186176