NumPy 常用数学因变量

NumPy 常用数学因变量

Unary ufuncs

因变量

刻画

用法

abs

fabs

计划 整型/浮点/复数 的一致值

对于没有复数的赶快本子求一致值

np.abs()

np.fabs()

sqrt

计划元素的平方根。等价于array ** 0.5

np.sqrt()

square

计划元素的平方。等价于 array **2

np.squart()

exp

计划以天然常数e为底的幂次方

np.exp()

log

log10

log2

log1p

天然对数(e)

鉴于10的对数

鉴于2的对数

鉴于log(1+x)的对数

np.log()

np.log10()

np.log2()

np.log1p()

sign

计划元素的标记:1:正数 0:0 -1:负数

np.sign()

ceil

计划大于或即是元素的最小平头

np.ceil()

floor

计划小于或即是元素的最大平头

np.floor()

rint

对浮点数取整到迩来的平头,但不变换浮点数典型

np.rint()

modf

辨别归来浮点数的平头和少量局部的数组

np.modf()

isnan

归来布尔数组标识哪些元素是 NaN (不是一个数)

np.isnan()

isfinite

isinf

归来布尔数组标识哪些元素是有限的(non-inf, non-NaN)或无穷的

np.isfiniter()

np.isinf()

cos, cosh, sin sinh, tan, tanh

三角因变量

arccos, arccosh, arcsin, arcsinh, arctan, arctanh

反三角因变量

logical_and/or/not/xor

论理与/或/非/异或 等价于 ‘&’ ‘|’ ‘!’ ‘^’

尝试见下方

Binary universal funcitons

因变量

刻画

用法

add

数组对应元素相加

np.add(A,B)

substract

数组对应元素相减

np.substract(A,B)

dot

multiply

*

数组和矩阵对应场所相加,输入与相加数组/矩阵的巨细普遍

矩阵对应场所相加

对数组实行对应场所相加,对矩阵实行矩阵乘法演算

详见https://blog.csdn.net/zenghaitao0128/article/details/78715140

divide=/

true_divide

floor_divide=//

数组对应元素相除

地层除

详见:http://www.mamicode.com/info-detail-1794242.html

mod

remainder

fmod

模演算

同上详见

power

运用第二个数组动作指数提高第一个数组中的元素

np.power(A,B)

maximum

两数组对应元素比巨细取其大者,归来一个数组

np.maximum:(X,Y,out=None)

minimun

两数组对应元素比巨细取其小者

copysign

将第二个数组中各元素的标记赋值给第一个数组的对应元素

greater

greater_equal

less

less_equal

equal

not_equal

鉴于元素的比拟,爆发布尔数组。等价于中缀操纵符 >

>=

<

<=

==

!=

尝试见https://docs.scipy.org/doc/numpy/reference/generated/numpy.greater.html

# 论理与

>>> np.logical_and(True, False)

False

>>> np.logical_and([True, False], [False, False])

array([False, False], dtype=bool)

>>> x = np.arange(5)

>>> np.logical_and(x>1, x<4)

array([False, False, True, True, False], dtype=bool)

# 论理或

>>> np.logical_or(True, False)

True

>>> np.logical_or([True, False], [False, False])

array([ True, False], dtype=bool)

>>> x = np.arange(5)

>>> np.logical_or(x < 1, x > 3)

array([ True, False, False, False, True], dtype=bool)

# 论理非

>>> np.logical_not(3)

False

>>> np.logical_not([True, False, 0, 1])

array([False, True, True, False], dtype=bool)

>>> x = np.arange(5)

>>> np.logical_not(x<3)

array([False, False, False, True, True], dtype=bool)

# 论理异或

>>> np.logical_xor(True, False)

True

>>> np.logical_xor([True, True, False, False], [True, False, True, False])

array([False, True, True, False], dtype=bool)

>>> x = np.arange(5)

>>> np.logical_xor(x < 1, x > 3)

array([ True, False, False, False, True], dtype=bool)

>>> np.logical_xor(0, np.eye(2))

array([[ True, False],

[False, True]], dtype=bool)

分享到 :
C谈话问号表白式
上一篇 2021-03-30
AKS算法
2021-03-30 下一篇

Leave a Reply

Your email address will not be published. Required fields are marked *