博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
ndarray数组的运算
阅读量:3959 次
发布时间:2019-05-24

本文共 2372 字,大约阅读时间需要 7 分钟。

一元函数:对数组各个元素进行操作运算

函数名 描述
np.abs(x) / np.fabs(x) 求个元素的绝对值
np.sqrt(x) 求平方根
np.square(x) 求平方
np.log(x) 求自然对数
np.ceil(x) / np.floor(x) 求其ceil值与floor值
np.rint(x) 四舍五入
np.modf(x) 将小数与整数分开以俩个数组进行保存
np.cos(x)等系列 求cos值等
np.exp(x) 求指数值
np.sign(x) 返回符号值 -1 ,0,1.

部分方法的使用:

>>> import numpy as np>>> a=np.arange(24).reshape((2,3,4))>>> aarray([[[ 0,  1,  2,  3],        [ 4,  5,  6,  7],        [ 8,  9, 10, 11]],       [[12, 13, 14, 15],        [16, 17, 18, 19],        [20, 21, 22, 23]]])>>> np.square(a)array([[[  0,   1,   4,   9],        [ 16,  25,  36,  49],        [ 64,  81, 100, 121]],       [[144, 169, 196, 225],        [256, 289, 324, 361],        [400, 441, 484, 529]]], dtype=int32)>>> np.sqrt(a)array([[[0.        , 1.        , 1.41421356, 1.73205081],        [2.        , 2.23606798, 2.44948974, 2.64575131],        [2.82842712, 3.        , 3.16227766, 3.31662479]],       [[3.46410162, 3.60555128, 3.74165739, 3.87298335],        [4.        , 4.12310563, 4.24264069, 4.35889894],        [4.47213595, 4.58257569, 4.69041576, 4.79583152]]])>>> np.modf(a)(array([[[0., 0., 0., 0.],        [0., 0., 0., 0.],        [0., 0., 0., 0.]],       [[0., 0., 0., 0.],        [0., 0., 0., 0.],        [0., 0., 0., 0.]]]), array([[[ 0.,  1.,  2.,  3.],        [ 4.,  5.,  6.,  7.],        [ 8.,  9., 10., 11.]],       [[12., 13., 14., 15.],        [16., 17., 18., 19.],        [20., 21., 22., 23.]]]))

二元函数:俩个数组各元素进行对应运算

函数名 描述
np.maximun(a,b) 元素级最大值计算
np.minimun(a,b) 元素级最小值计算
np.mod(a,b) 元素级的模运算
np.copysign(a,b) 将数组b中个元素值的符号赋值给a中对应元素

还有最简单的== 、 != 、>=等算术比较,返回值只有布尔值的ndarray数组


部分方法的使用:

>>> b=np.sqrt(a)>>> barray([[[0.        , 1.        , 1.41421356, 1.73205081],        [2.        , 2.23606798, 2.44948974, 2.64575131],        [2.82842712, 3.        , 3.16227766, 3.31662479]],       [[3.46410162, 3.60555128, 3.74165739, 3.87298335],        [4.        , 4.12310563, 4.24264069, 4.35889894],        [4.47213595, 4.58257569, 4.69041576, 4.79583152]]])>>> np.maximum(a,b)array([[[ 0.,  1.,  2.,  3.],        [ 4.,  5.,  6.,  7.],        [ 8.,  9., 10., 11.]],       [[12., 13., 14., 15.],        [16., 17., 18., 19.],        [20., 21., 22., 23.]]])>>> a>barray([[[False, False,  True,  True],        [ True,  True,  True,  True],        [ True,  True,  True,  True]],       [[ True,  True,  True,  True],        [ True,  True,  True,  True],        [ True,  True,  True,  True]]])

转载地址:http://hxmzi.baihongyu.com/

你可能感兴趣的文章