Numpy中常用的数学方法

1、数学运算符

import numpy as np

a = np.array([10,4,6,7])
b = np.arange(4)
# 两数组值相加
c=a+b   
# 数组的值平方
d=b**2
# 两数组对应的值相乘
e=a*b
# 两数组对应的值相除
f=c/a
# 两数组对应的值取余
g=c%a 
# 两数组对应的值整除
h=c//a
print(a,b)
print(c,d)
print(e)
print(f)
print(g)
print(h)

[10  4  6  7] [0 1 2 3]
[10  5  8 10] [0 1 4 9]
[ 0  4 12 21]
[1.         1.25       1.33333333 1.42857143]
[0 1 2 3]
[1 1 1 1]

2、比较运算符

import numpy as np

a = np.array([10,4,6,7])
b = np.arange(4)
print(a,b)
print(np.greater(a,b))
print(np.greater_equal(a,b))
print(np.less(a,b))
print(np.less_equal(a,b))
print(np.equal(a,b))
print(np.not_equal(a,b))

[10  4  6  7] [0 1 2 3]
[ True  True  True  True]
[ True  True  True  True]
[False False False False]
[False False False False]
[False False False False]

3、常用的数学函数

import numpy as np

a = np.array([10,4,6,7])
b = np.arange(4)
c=a+b
d =c/a
e=b**2
print(a,b,c,d,e)
print(np.round(d))
print(np.square(e))
print(np.sqrt(e))
print(np.exp(b))
print(np.power(b,2))
print(np.log2(a))
print(np.log10(a))
print(np.log(a))

[10  4  6  7] [0 1 2 3] [10  5  8 10] [1.         1.25       1.33333333 1.42857143] [0 1 4 9]
[1. 1. 1. 1.]
[ 0  1 16 81]
[0. 1. 2. 3.]
[ 1.          2.71828183  7.3890561  20.08553692]
[0 1 4 9]
[3.32192809 2.         2.5849625  2.80735492]    
[1.         0.60205999 0.77815125 0.84509804]    
[2.30258509 1.38629436 1.79175947 1.94591015]  

4、常用的统计函数

import numpy as np

arr2 = np.array(((8.5,6,4.1,2,0.7),(1.5,3,5.4,7.3,9),
                 (3.2,3,3.8,3,3),(11.2,13.4,15.6,17.8,19)))
 # 计算每一行的和
Sum = []
for row in range(4):
    Sum.append(np.sum(arr2[row,:]))
print(Sum)
 # 计算每一列的平均
Avg = []
for col in range(5):
    Avg.append(np.mean(arr2[:,col]))
print(Avg) 

print(arr2.sum(axis = 1))
print(np.sum(arr2, axis = 1))
print(np.mean(arr2, axis = 0))

[21.3, 26.2, 16.0, 77.0]
[6.1, 6.35, 7.225, 7.525, 7.925]
[21.3 26.2 16.  77. ]
[21.3 26.2 16.  77. ]
[6.1   6.35  7.225 7.525 7.925] 

import numpy as np

a = np.array([10,4,1,7])


print(np.sin(a))
print(np.cos(a))
print(np.tan(a))
print(a<3)

[-0.54402111 -0.7568025   0.84147098  0.6569866 ]
[-0.83907153 -0.65364362  0.54030231  0.75390225]
[0.64836083 1.15782128 1.55740772 0.87144798]    
[False False  True False]

import numpy  as np 

b = np.arange(2,14).reshape((3,4))
print('b数组为：%s'%(b))

# 取出最小值的下标
print('最小值的下标为：%s'%(np.argmin(b)))
# 取出最大值的下标
print('最大值的下标为：%s'%(np.argmax(b)))
# 以下两种求平均值的结果相同
print('数组平均值为为：%f'%(np.mean(b)))
print('数组平均值为为：%f'%(b.mean()))


# 求中位数
print('数组的中位数为：%f'%(np.median(b)))
# 累加求和
print('累计求和为：%s'%(np.cumsum(b)))


# 正序排序
print('数组排序为：%s'%(np.sort(b)))

#矩阵的转置，以下两个结果相同
print('转置矩阵为：%s'%(np.transpose(b)))
print('转置矩阵为：%s'%(b.T))
#矩阵乘法
print('矩阵乘法为：%s'%(b.T.dot(b)))


#axis=0,列，axis=1,行，求平均值
print('矩阵列平局值为：%s'%(np.mean(b,axis=0)))
print('矩阵行平局值为：%s'%(np.mean(b,axis=1)))

b数组为：[[ 2  3  4  5]
 [ 6  7  8  9]
 [10 11 12 13]]        
最小值的下标为：0
最大值的下标为：11
数组平均值为为：7.500000
数组平均值为为：7.500000
数组的中位数为：7.500000
累计求和为：[ 2  5  9 14 20 27 35 44 54 65 77 90]
数组排序为：[[ 2  3  4  5]
 [ 6  7  8  9]
 [10 11 12 13]]
转置矩阵为：[[ 2  6 10]
 [ 3  7 11]
 [ 4  8 12]
 [ 5  9 13]]
转置矩阵为：[[ 2  6 10]
 [ 3  7 11]
 [ 4  8 12]
 [ 5  9 13]]
矩阵乘法为：[[140 158 176 194]
 [158 179 200 221]
 [176 200 224 248]
 [194 221 248 275]]
矩阵列平局值为：[6. 7. 8. 9.]
矩阵行平局值为：[ 3.5  7.5 11.5]