numpy 常用的ndarray多维数组运算

欢迎关注WX公众号：【程序员管小亮】

NumPy一元函数对ndarray中的数据执行元素级运算的函数

• np.abs(x)、np.fabs(x) ： 计算数组各元素的绝对值

>>> x = np.array([-1.2, 1.2])
>>> np.absolute(x)
array([ 1.2,  1.2])

>>> np.fabs(x)
array([ 1.2,  1.2])

• np.sqrt(x) ： 计算数组各元素的平方根

>>> x = np.array([-1.2, 1.2])
>>> np.sqrt(x)
array([ nan 1.09544512])

• np.square(x) ： 计算数组各元素的平方

>>> x = np.array([-1.2, 1.2])
>>> np.square(x)
array([1.44 1.44])

• np.log(x)、np.log10(x)、np.log2(x) ： 计算数组各元素的自然对数、10底对数和2底对数

>>> np.log([1, np.e, np.e**2, 0])
array([  0.,   1.,   2., -Inf])

>>> np.log10([1, np.e, np.e**2, 0])
array([0. 0.43429448 0.86858896 -inf])

>>> np.log2([1, np.e, np.e**2, 0])
array([0. 1.44269504 2.88539008 -inf])

• np.ceil(x) 、np.floor(x) ： 计算数组各元素的ceiling值或floor值（ceiling向上取整，floor向下取整）

>>> a = np.array([-1.7, -1.5, -0.2, 0.2, 1.5, 1.7, 2.0])
>>> np.ceil(a)
array([-1., -1., -0.,  1.,  2.,  2.,  2.])

>>> a = np.array([-1.7, -1.5, -0.2, 0.2, 1.5, 1.7, 2.0])
>>> np.floor(a)
array([-2., -2., -1.,  0.,  1.,  1.,  2.])

• np.rint(x) ： 计算数组各元素的四舍五入值

>>> a = np.array([-1.7, -1.5, -0.2, 0.2, 1.5, 1.7, 2.0])
>>> np.rint(a)
array([-2., -2., -0.,  0.,  2.,  2.,  2.])

• np.modf(x) ： 将数组各元素的小数和整数部分以两个独立数组形式返回

>>> np.modf([0, 3.5])
(array([ 0. ,  0.5]), array([ 0.,  3.]))
>>> np.modf(-0.5)
(-0.5, -0)

• np.cos(x)、 np.cosh(x)、np.sin(x)、 np.sinh(x)、np.tan(x) 、np.tanh(x) ： 计算数组各元素的普通型和双曲型三角函数

>>> np.cos(np.array([0, np.pi/2, np.pi]))
array([  1.00000000e+00,   6.12303177e-17,  -1.00000000e+00])

>>> np.cosh(np.array([0, np.pi/2, np.pi]))
array([  1.        ,   2.50917848,  11.59195328])

>>> np.sin(np.array([0, np.pi/2, np.pi]))
array([  0.00000000e+00,   1.00000000e+00,   1.22464680e-16])

>>> np.sinh(np.array([0, np.pi/2, np.pi]))
array([  0.        ,   2.3012989 ,  11.54873936])

>>> np.tan(np.array([0, np.pi/2, np.pi]))
array([  0.00000000e+00,   1.63312394e+16,  -1.22464680e-16])

>>> np.tanh(np.array([0, np.pi/2, np.pi]))
array([ 0.        ,  0.91715234,  0.99627208])

• np.exp(x) ： 计算数组各元素的指数值

>>> np.expm1(1e-10)
1.00000000005e-10

• np.sign(x) ： 计算数组各元素的符号值，+1(+), 0, ‐1(‐)

>>> np.sign([-5., 4.5])
array([-1.,  1.])
>>> np.sign(0)
0
>>> np.sign(5-2j)
(1+0j)

NumPy二元函数对ndarray中的数据执行元素级运算的函数

• +、 ‐、 * 、/ 、** ： 两个数组各元素进行对应运算
• np.maximum(x,y) 、np.fmax()、 np.minimum(x,y) 、np.fmin() ：元素级的最大值/最小值计算

>>> x = np.array([[0, 1, 2, 3],
              [4, 5, 6, 7],
              [8, 9, 10, 11]])
>>> y = np.array([[2, 2, 2, 2],
              [2, 2, 2, 2],
              [2, 2, 2, 2]])
>>> np.maximum(x,y)
array([[ 2,  2,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

>>> np.fmax(x,y)
array([[ 2,  2,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

>>> np.minimum(x,y)
array([[0, 1, 2, 2],
       [2, 2, 2, 2],
       [2, 2, 2, 2]])
​
>>> np.fmin(x,y)
array([[0, 1, 2, 2],
       [2, 2, 2, 2],
       [2, 2, 2, 2]])

• np.mod(x,y) ：元素级的模运算

>>> np.remainder([4, 7], [2, 3])
array([0, 1])
>>> np.remainder(np.arange(7), 5)
array([0, 1, 2, 3, 4, 0, 1])

• np.copysign(x,y) ： 将数组y中各元素值的符号赋值给数组x对应元素

>>> x = np.array([[0, 1, 2, 3],
              [4, 5, 6, 7],
              [8, 9, 10, 11]])
>>> y = np.array([[2, 2, 2, 2],
              [2, 2, 2, 2],
              [2, 2, 2, 2]])
>>> np.copysign(x,y)
array([[ -0.,   1.,  -2.,   3.],
       [  4.,  -5.,   6.,  -7.],
       [ -8.,   9., -10.,  11.]])

• > < >= <= == != 算术比较，产生布尔型数组

python课程推荐。