python中用于计算的函数

函数	功能说明	示例
abs()	返回参数的绝对值	abs (-2)、 abs (3.77)
divmod()	返回两个数值的商和余数	divmod (10,3)
max ()	返回可迭代对象的元素的最大值或者所有参数的最大值	max (-1,1,2,3.4)、 max (‘abcef989’)
min()	返回可迭代对象的元素的最小值或者所有参数的最小值	min (-1,12,3,4,5)
pow()	求两个参数的幂运算值	pow (2,3)、 pow (2,3,5)
round()	返回浮点数的四舍五入值	round (1.456778)、 round (1.45677,2)
sum ()	对元素类型是数值的可迭代对象的每个元素求和	sum ((1,2,3,4))、 sum ((1,2,3,4),-10)
append()	向列表中添加元素，并添加到末尾	append(list)
extend(可迭代对象)	将可迭代对象中数据分别添加到列表中，并添加到末尾。	extend()
insert(下标，对象)	向指定下标位置添加对象	insert(2,list)
clear()	清空列表	clear()
pop()	删除下标指定元素，如果不加下标则删除最后一个元素	pop()
remove()	删除指定的对象	remove(对象)
del	删除变量或者指定下标的值	del()
copy()	浅拷贝	copy()
count()	返回对象在列表中出现的次数	count(对象)
index()	元素出现的第一次下标位置，也可自定义范围	index(value,开始下标，结束下标)
reverse()	原地翻转	reverse()
sort()	快速排序，默认从小到大排序	sort(key=None, reverse=False)
len()	获得列表的长度	len(list)
capitalize()	把字符串的第一个字符改为大写，后面为小写。	capitalize()

numpy：矩阵通用函数。

#一元函数

1. abs fabs

import numpy as np #导入模块
a = np.mat(np.arange(-4,3)) #创建一个矩阵
np.abs(a) # 对矩阵a取绝对值
np.fabs(a) # 对矩阵a取浮点类的绝对值


2. sqrt () 平方根 square() 平方

b = np.mat(range(1,6)) #创建一个矩阵
np.sqrt(b) #b的平方根
np.square(b) #b的平方 

3. log log10 log2 log1p

c = np.mat([1,2,np.e,np.e+1,4,10,100]) #创建一个矩阵
np.log(c) #以e为底
np.log10(c)# log以10为底
np.log2(c)#log2以2为底
np.log1p(c) #在c的基础上每一个值加上一个1，再以e为底的对数 log1p（x）==log(1+x)
np.log1p(np.e-1)     

4. sign ceil floor rint

d = np.mat([
    [2.3,4.6],
    [1.2,1.8]
]) #创建一个矩阵
np.sign(d)  #符号位 +1:正数 -1：负数 0：0
np.ceil(d) #向上取整 右
np.floor(d)#向下取整 左
np.rint(d) #四舍五入
e = np.mat([
    [1,4,8],
    [2,3,7]
])
# e*0.1 #快速变成浮点数
np.rint(e)#四舍五入的方法也可以

5. modf 分别返回小数部分和整数部分

arr1,arr2=np.modf(d)
#arr1 返回的是小数部分，arr2返回的是整数部分

6. isnan() 判断不是数字

f=np.array([1,2,np.nan,np.nan,3]) #创建一个矩阵 不是数字的就转换为np.nan  np.inf 是无穷大，是个数字类型
np.isnan(f)

7. cos sin tan

g=np.mat([0,np.pi/4,np.pi/2,np.pi*3/4])  #创建一个矩阵，里面表示的是角度
g*2 #所有的角度都放大2倍
np.cos(g) # 求角度的cos值
np.set_printoptions(precision=3)#科学计数法设置显示3位小数，作为了解吧！
np.tan(g) #求角度的tan值

8. logical_not

import numpy as np
a = np.mat(np.arange(-4,3))
print(a)
b = np.logical_not(a)
print(b)


# 二元函数

#准备三个矩阵
a = np.mat([1,2,3,4])
b = np.mat([5,6,7,8])
c = np.mat([9,10,11,12])


1. power() 求幂

np.power(b,a) #矩阵本身是二维的，有人问为什么返回的结果是两个中括号
np.power(b,2)

2. maximum、minimum 元素级运算

#准备两个矩阵
arr1 = np.mat([1,8,2,9])
arr2 = np.mat([6,3,5,4])
np.maximum(arr1,arr2) 
matrix([[6, 8, 5, 9]])    #返回的是两个数组中对应位大的数值

np.minimum(arr1,arr2)
matrix([[1, 3, 2, 4]])    #返回的是两个数组中对应位小的数值

3. greater 大于 ,greater_equal 大于等于

np.greater(arr1,arr2)
matrix([[False,  True, False,  True]])

4. 逻辑"与"：logical_and ,“或”：logical_or,“非”：logical_xor

#准备一个矩阵
d = np.mat('2 0;1 0')
e = np.mat('0 2;1 0')
#与
np.logical_and(d,e)  #对应位都为真，结果为真，否则为假

matrix([[False, False],
        [ True, False]])

#或
np.logical_or(d,e) #对应位其中一位为真则为真，都为假则为假

matrix([[ True,  True],
        [ True, False]])

#非
np.logical_xor(d,e)  #相同为false ,不同是true

matrix([[ True,  True],
        [False, False]])