数学函数
方法 | 实例 |
---|---|
np.sin() np.cos() np.tan() | a = np.array([0,30,45,60,90]) np.sin(a) np.arcsin(a) |
np.around(arr, decimals) a 数组 decimals 舍入小数位数 默认为0 负数时四舍五入到小数点左侧的位置 | a = np.array([1.0, 5.55, 123, 0.567, 25.523]) np.around(a) np.around(a,decimals=1) np.around(a,decimals=-1) output: [1, 6., 123., 26.] [1., 5.6, 123., 25.5] [0., 10., 120., 0., 30.] |
np.floor() 返回下舍之后整数 | np.array([-1.7, 1.5, -0.2, 0.6, 10]) output : [-2. 1. -1. 0. 10.] |
numpy.ceil() 返回数字的上入整数 | np.array([-1.7, 1.5, -0.2, 0.6, 10]) output: [-1. 2. -0. 1. 10.] |
算术函数
方法 | 实例 |
---|---|
np.add(a,b)—加 | – |
np.subtract(a,b)—减 | – |
np.multiply(a,b)—乘 | – |
np.divide(a,b)—除 | – |
numpy.reciprocal() 返回参数逐元素的倒数 | np.array([0.25, 1.33, 1, 100]) np.reciprocal(a) output : [4. 0.7518797 1. 0.01 ] |
numpy.power() 将第一个输入数组中的元素作为底数,计算它与第二个输入数组中相应元素的幂 | np.array([10,100,1000]) np.power(a,2) output : [ 100 10000 1000000] |
numpy.mod() numpy.remainder() 计算输入数组中相应元素的相除后的余数 | a = np.array([10,20,30]) b = np.array([3,5,7]) np.mod(a,b) np.remainder(a,b) output : [1 0 2] |
统计函数
方法 | 实例 |
---|---|
numpy.amin() 用于计算数组中的元素沿指定轴的最小值。 numpy.amax() 用于计算数组中的元素沿指定轴的最大值。 | a = np.array([[3,7,5],[8,4,3],[2,4,9]]) np.amin(a,1) output : [3,3,2] np.amin(a,0) output : [2,4,3] np.amax() output : 9 np.amax(a,axis=0) output: [8, 7, 9] |
numpy.ptp() 计算数组中元素最大值与最小值的差(最大值 - 最小值) | np.array([[3,7,5],[8,4,3],[2,4,9]]) np.ptp(a) output: 7 np.ptp(a, axis = 1) output :[4 5 7] np.ptp(a, axis = 0) output: [6 3 6] |
numpy.percentile(a, q, axis) 百分位数是统计中使用的度量,表示小于这个值的观察值的百分比 a: 输入数组 q: 要计算的百分位数,在 0 ~ 100 之间 axis: 沿着它计算百分位数的轴 | np.array([[10, 7, 4], [3, 2, 1]]) np.percentile(a, 50) output : 3.5 np.percentile(a, 50, axis=0) output: [6.5 4.5 2.5] np.percentile(a, 50, axis=1) output : [7. 2.] np.percentile(a, 50, axis=1, keepdims=True) (保持维度不变) output: [[7.] [2.]] |
numpy.median() 计算数组 a 中元素的中位数 | np.array([[30,65,70],[80,95,10],[50,90,60]]) np.median(a) output: 65.0 np.median(a, axis = 0) output : [50. 90. 60.] np.median(a, axis = 1) output : [65. 80. 60.] |
numpy.mean() 返回数组中元素的算术平均值 | np.array([[1,2,3],[3,4,5],[4,5,6]]) np.mean(a) output: 3.6666666666666665 np.mean(a, axis = 0) output :[2.66666667 3.66666667 4.66666667] np.mean(a, axis = 1) output: [2. 4. 5.] |
numpy.average() 据在另一个数组中给出的各自的权重计算数组中元素的加权平均值 | – |
np.std() 标准差 | – |
-np.var() 方差 | – |