numpy通用函数

numpy的通用函数可以对数组进行向量化操作，可以提高数组元素的重复计算的效率。

一.numpy的算数运算符都是对python内置符的封装

  算数运算符

  

>>> import numpy as np
>>> x = np.arange(4)
>>> x
array([0, 1, 2, 3])
>>> x+2
array([2, 3, 4, 5])
>>> np.add(x,2)#加法
array([2, 3, 4, 5])
>>> x-2
array([-2, -1,  0,  1])
>>> np.subtract(x,2)#减法
array([-2, -1,  0,  1])
>>> x*2
array([0, 2, 4, 6])
>>> np.multiply(x,2)#乘法
array([0, 2, 4, 6])
>>> x/2
array([0. , 0.5, 1. , 1.5])
>>> np.divide(x,2)#除法
array([0. , 0.5, 1. , 1.5])
>>> x**2
array([0, 1, 4, 9], dtype=int32)
>>> np.power(x,2)#乘方
array([0, 1, 4, 9], dtype=int32)
>>> x//2
array([0, 0, 1, 1], dtype=int32)
>>> np.floor_divide(x,2)#地板除法
array([0, 0, 1, 1], dtype=int32)
>>> x%2
array([0, 1, 0, 1], dtype=int32)
>>> np.mod(x,2)#取余
array([0, 1, 0, 1], dtype=int32)

二,绝对值

>>> x=np.array([-1,-3,-5])
>>> np.abs(x)#取绝对值
array([1, 3, 5])

三, 三角函数以及反三角函数

>>> theta=np.linspace(0,np.pi,3)#180°均分成3份
>>> theta
array([0.        , 1.57079633, 3.14159265])
 
>>> np.sin(theta)#正弦函数
array([0.0000000e+00, 1.0000000e+00, 1.2246468e-16])
 
>>> np.cos(theta)#余弦函数
array([ 1.000000e+00,  6.123234e-17, -1.000000e+00])
 
>>> np.tan(theta)#正切函数
array([ 0.00000000e+00,  1.63312394e+16, -1.22464680e-16])
>>> 

       由于计算机的截断，舍入误差，有些为零的地方没有精确到零，但非常小。

>>> x=np.array([-1,0,1])
 
>>> np.arcsin(x)
array([-1.57079633,  0.        ,  1.57079633])
 
>>> np.arccos(x)
array([3.14159265, 1.57079633, 0.        ])
 
>>> np.arctan(x)
array([-0.78539816,  0.        ,  0.78539816])
>>> 

四,指数及对数运算

>>> x=np.array([1,2,3])
 
>>> np.exp(x)
array([ 2.71828183,  7.3890561 , 20.08553692])
 
>>> np.power(3,x)
array([ 3,  9, 27], dtype=int32)

>>> x=np.array([1,8,64,100])
 
>>> np.log(x) #自然对数ln(x)
array([0.        , 2.07944154, 4.15888308, 4.60517019])
 
>>> np.log2(x)
array([0.        , 3.        , 6.        , 6.64385619])
 
>>> np.log10(x)
array([0.        , 0.90308999, 1.80617997, 2.        ])
>>> 

注意：log(x)表示的是自然对数ln(x)