标签：10 函数 Python median 数组 print numpy 运算

1. 算术函数

如果参与运算的两个对象都是 ndarray，并且形状相同，那么会对位彼此之间进行（+- * /）运算。

NumPy 算术函数包含简单的加减乘除: add()，subtract()，multiply() 和 divide()。

import numpy as np
a = np.arange(9, dtype=float).reshape(3,3)
b = np.array([10,10,10])
print("第一个数组a：", a)
print("第二个数组b：", b)

print("两个数组进行加法运算 add ")
print(np.add(a, b))
print("两个数组进行加法运算 + ")
print(a + b)

print("两个数组进行减法运算 substract ")
print(np.subtract(a, b))
print("两个数组进行减法运算 - ")
print(a - b)

print("两个数组进行乘法运算 multiply ")
print(np.multiply(a, b))
print("两个数组进行乘法运算 * ")
print(a * b)

print("两个数组进行除法运算 divide ")
print(np.divide(a, b))
print("两个数组进行除法运算 / ")
print(a / b)

第一个数组a： [[0. 1. 2.]
[3. 4. 5.]
[6. 7. 8.]]
第二个数组b： [10 10 10]
两个数组进行加法运算 add
[[10. 11. 12.]
[13. 14. 15.]
[16. 17. 18.]]
两个数组进行加法运算 +
[[10. 11. 12.]
[13. 14. 15.]
[16. 17. 18.]]
两个数组进行减法运算 substract
[[-10. -9. -8.]
[ -7. -6. -5.]
[ -4. -3. -2.]]
两个数组进行减法运算 -
[[-10. -9. -8.]
[ -7. -6. -5.]
[ -4. -3. -2.]]

两个数组进行乘法运算 multiply
[[ 0. 10. 20.]
[30. 40. 50.]
[60. 70. 80.]]
两个数组进行乘法运算 *
[[ 0. 10. 20.]
[30. 40. 50.]
[60. 70. 80.]]
两个数组进行除法运算 divide
[[0. 0.1 0.2]
[0.3 0.4 0.5]
[0.6 0.7 0.8]]
两个数组进行除法运算 /
[[0. 0.1 0.2]
[0.3 0.4 0.5]
[0.6 0.7 0.8]]

【例子】通用函数指定输出结果的用法

import numpy
x = numpy.arange(5)
y = numpy.empty(5)
print(x)
print(y)
numpy.multiply(x,10,out=y)
print(y)

[0 1 2 3 4]
[9.90263869e+067 8.01304531e+262 2.60799828e-310 6.01346930e-154
3.29216432e+180]
[ 0. 10. 20. 30. 40.]

2. 数学函数

NumPy 提供了标准的三角函数：sin()、cos()、tan()。
【示例】三角函数的使用

import numpy
a = numpy.array([0,30,45,60,90])

'''通过乘 pi/180 转化为弧度'''

print("不同角度的正弦值：")
print(numpy.sin(a * numpy.pi/180))

print("数组中角度的余弦值：")
print(numpy.cos(a * numpy.pi/180))

print("数组中角度的正切值：")
print(numpy.tan(a * numpy.pi/180))

不同角度的正弦值：
[0. 0.5 0.70710678 0.8660254 1. ]
数组中角度的余弦值：
[1.00000000e+00 8.66025404e-01 7.07106781e-01 5.00000000e-01
6.12323400e-17]
数组中角度的正切值：
[0.00000000e+00 5.77350269e-01 1.00000000e+00 1.73205081e+00
1.63312394e+16]

numpy.around() 函数返回指定数字的四舍五入值。

numpy.around(a, decimals)

参数说明：

a: 数组
decimals: 舍入的小数位数。默认值为 0。如果为负，整数将四舍五入到小数点左侧的位置

numpy.floor() 返回数字的下舍整数。
numpy.ceil() 返回数字的上入整数。

import numpy
a = numpy.array([1.0, 4.55, 123, 0.576, 25.543])
print("原数组：", a)
print("around舍入后：", numpy.around(a) )
print("around舍入到1位小数：", numpy.around(a, decimals=1) )
print("around舍入到小数点左1位：", numpy.around(a, decimals=-1) )
print("floor向下取整：", numpy.floor(a) )
print("ceil向上取整：", numpy.ceil(a) )

原数组： [ 1. 4.55 123. 0.576 25.543]
around舍入后： [ 1. 5. 123. 1. 26.]
around舍入到1位小数： [ 1. 4.6 123. 0.6 25.5]
around舍入到小数点左1位： [ 0. 0. 120. 0. 30.]
floor向下取整： [ 1. 4. 123. 0. 25.]
ceil向上取整： [ 1. 5. 123. 1. 26.]

3. 聚合函数

NumPy 提供了很多统计函数，用于从数组中查找最小元素，最大元素，百分位标准差和方差等。

函数名	说明
numpy.sum()	求和
numpy.prod()	所有元素相乘
numpy.mean()	平均值。返回数组中元素的算术平均值。如果提供了轴，则沿其计算。算术平均值是沿轴的元素的总和除以元素的数量。
numpy.std()	标准差
numpy.var()	方差
numpy.median()	中数
numpy.power()	幂运算。将第一个输入数组中的元素作为底数，计算它与第二个输入数组中相应元素的幂。
numpy.sqrt()	开方
numpy.min()	最小值
numpy.max()	最大值
numpy.argmin()	最小值的下标
numpy.argmax()	最大值的下标
numpy.inf	无穷大
numpy.exp(10)	以e为底的指数
numpy.log(10)	对数

numpy.power() 幂运算。将第一个输入数组中的元素作为底数，计算它与第二个输入数组中相应元素的幂。

import numpy

a = numpy.arange(12).reshape(3,4)
print("原来的数组：\n", a)

b = numpy.power(a,2)
print("幂运算后的结果：\n", b)

原来的数组：
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
幂运算后的结果：
[[ 0 1 4 9]
[ 16 25 36 49]
[ 64 81 100 121]]

power 函数指定输出结果的用法

import numpy
a = numpy.arange(5)
b = numpy.zeros(10)
print("a: ", a)
print("b: ", b)
numpy.power(2,a,out=b[:5])
print("a：", a)
print("b: ", b)

a: [0 1 2 3 4]
b: [0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
a： [0 1 2 3 4]
b: [ 1. 2. 4. 8. 16. 0. 0. 0. 0. 0.]

numpy. median () 取数组的中数

import numpy
a = numpy.array([4,2,1,5])
print("偶数个的中位数：", numpy.median(a))
b = numpy.array([4,2,1])
print("奇数个的中位数：", numpy.median(b))

c = numpy.arange(1,16).reshape(3,5)
print("原来的数组：\n", c)
print("调用median函数：", numpy.median(c))
print("调用median函数，axis=1 行的中值：", numpy.median(c,axis=1))
print("调用median函数，axis=0 列的中值：", numpy.median(c,axis=0))

偶数个的中位数： 3.0
奇数个的中位数： 2.0
原来的数组：
[[ 1 2 3 4 5]
[ 6 7 8 9 10]
[11 12 13 14 15]]
调用median函数： 8.0
调用median函数，axis=1 行的中值： [ 3. 8. 13.]
调用median函数，axis=0 列的中值： [ 6. 7. 8. 9. 10.]

numpy. mean() 平均值。返回数组中元素的算术平均值。如果提供了轴，则沿其计算。算术平均值是沿轴的元素的总和除以元素的数量。

import numpy
a = numpy.arange(1,11).reshape(2,5)
print("原来的数组：\n", a)

print("调用mean函数：", numpy.mean(a))
print("调用mean函数，axis=0 列：", numpy.mean(a,axis=0))
print("调用mean函数，axis=1 行：", numpy.mean(a,axis=1))

原来的数组：
[[ 1 2 3 4 5]
[ 6 7 8 9 10]]
调用mean函数： 5.5
调用mean函数，axis=0 列： [3.5 4.5 5.5 6.5 7.5]
调用mean函数，axis=1 行： [3. 8.]

标签：10,函数,Python,median,数组,print,numpy,运算
From： https://www.cnblogs.com/rider-zhou/p/16714051.html

Python之numpy库（二）-函数

1. 算术函数

2. 数学函数

3. 聚合函数

相关文章

赞助商

阅读排行