Python学习-Numpy常用数学函数

Numpy常用数学函数

import numpy as np

1、幂函数

n = np.arange(4)
print(np.exp(n))  # 自然数e为底
print(np.exp2(n))  # 自然数2为底

输出

[ 1.          2.71828183  7.3890561  20.08553692]
[1. 2. 4. 8.]

2、对数函数

n = np.arange(4)
print(np.log(np.e))  # 以e为底，e为真数的对数
print(np.log2(8))  # 以2为底，8为真数的对数
print(np.log1p(2))  # 相当于log(x+1)，当x很小时，会忽略x的作用

输出

1.0
3.0
1.0986122886681098

3、三角函数

s = np.sin(np.pi/2)  # 正弦函数
c = np.cos(np.pi/3)  # 余弦函数
t = np.tan(np.pi/4)  # 正切函数

arcs = np.arcsin(1)  # 反正弦函数
arcc = np.arccos(1)  # 反余弦函数
arct = np.arctan(1)  # 反正切函数
"""
双曲正弦函数np.sinh()，反双曲正弦函数np.arcsinh()
双曲余弦函数np.cosh()，反双曲余弦函数np.arccosh()
双曲正切函数np.tanh()，反双曲正切函数np.arctanh()
"""

# 角度弧度转换函数
radian = np.pi/6
print(np.degrees(radian))  # 弧度转角度:np.rad2deg()
degrees = 45.
print(np.radians(degrees)/np.pi)  # 角度转弧度:np.deg2rad()
c = np.hypot(3, 4)  # 直角三角形求斜边
print(c)

输出

29.999999999999996
0.25
5.0

3、随机函数

n = np.random.rand()  # or np.random.rand(x, y) x行，y列
# print(n)
x = 10
n = np.random.randn(x)  # 产生标准正态分布随机数，x为维度 or (x,y,z) 产生(x,y)范围内，z个随机数
# n = np.random.randint(low, high=None, size=None, dtype='l')  # 指定范围的整型随机数
# print(n)  # 最大值：n.max()，最小值：n.min()
rn = np.random.normal(loc=0.0, scale=1.0, size=None)  # 正态分布随机数，loc:期望，scale:标准差
ru = np.random.uniform(low=0.0, high=1.0, size=None)  # 均匀分布随机数
rp = np.random.poisson(lam=1.0, size=None)  # 泊松分布随机数，lam：期望间隔

rpe = np.random.permutation(x)  # 生成一个随机的乱序序列，x为标量时，生成范围为(0, x)的乱序数组，x为集合时，则对x进行乱序排列
# rs = np.random.shuffle(x)  # 直接对x数组进行乱序
# print(rpe)

rc = np.random.choice(x, size=None, replace=True, p=None)  # replace：重复与否，p：列表元素的权重

输出

0.7715275567683129
[-0.74511915 -1.13141892  0.69668468 -0.35889898  0.41031142 -0.89484503
  0.57714781  1.06265353 -0.76357287 -0.88857502]
[4 5 7 2 8 9 6 3 0 1]

4、集合运算

a1 = np.array([1, 2, 1, 2, 3, 4, 5])
a2 = np.array([3, 4, 4, 5, 6, 7, 8])

nue = np.unique(a1)  # 数组去重
# print(nu)
ni = np.intersect1d(a1, a2)  # 交集
# print(ni)
nud = np.union1d(a1, a2)  # 并集
# print(nud)
usd = np.setdiff1d(a1, a2)  # 差集
# print(usd)
usx = np.setxor1d(a1, a2)  # 异或
# print(usx)
ui = np.in1d(a1, a2)  # 判断一个数组的元素是否在另一个数组内
# print(ui)

4、基础统计运算

a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
su = np.sum(a)  # 求和
su = np.sum(a, axis=0, dtype=None)  # 按列求和，dtype：指定返回数组类型
su = np.sum(a, axis=1)  # 按行求和
sp = np.prod(a, axis=1)  # 按行乘积
sp = np.nanprod(a, axis=None, dtype=None)  # a可以带nan值

sm = np.min(a, axis=None)  # 求最小值，axis指定行列，同理有np.nanmin(),np.max(),np.nanmax()
sc = np.cumsum(a, axis=None)  # 累积和统计，axis指定行列，np.nancumsum()
scp = np.cumprod(a, axis=None)  # 累积乘积统计，axis指定行列，np.nancumprod(a, axis=None)

nm = np.mean(a, axis=None, dtype=None)  # 平均值统计，np.nanmean(a, axis=None, dtype=None)
na = np.average(a, axis=None, weights=None, returned=False)
# 加权平均值统计，axis指定行列，weights指定每一行列的权重(数组)，returned：False返回数组，True返回元组

nme = np.median(a, axis=None)  # 中值统计，np.nanmedian(a, axis=None)
nv = np.var(a, axis=None, dtype=None)  # 方差计算
ns = np.std(a, axis=None, dtype=None)  # 标准差计算
npt = np.ptp(a, axis=None)  # 轴最大最小值差值计算

4、高级统计运算

npe = np.percentile(a, q=50, axis=1)  # 计算沿着指定轴的第q%的元素
nd = np.diff(a, n=1, axis=0)  # 一阶差分，n表示迭代次数
ne = np.ediff1d(a, to_begin=None, to_end=None)  # 数组的连续元素之间的差异
ns = np.sort(a, axis=0)  # 排序
na = np.abs(a)  # 绝对值