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()
>>> x
array([, , , ])
>>> x+
array([, , , ])
>>> np.add(x,)#加法
array([, , , ])
>>> x-
array([-, -,  ,  ])
>>> np.subtract(x,)#减法
array([-, -,  ,  ])
>>> x*
array([, , , ])
>>> np.multiply(x,)#乘法
array([, , , ])
>>> x/
array([. , 0.5, . , 1.5])
>>> np.divide(x,)#除法
array([. , 0.5, . , 1.5])
>>> x**
array([, , , ], dtype=int32)
>>> np.power(x,)#乘方
array([, , , ], dtype=int32)
>>> x//
array([, , , ], dtype=int32)
>>> np.floor_divide(x,)#地板除法
array([, , , ], dtype=int32)
>>> x%
array([, , , ], dtype=int32)
>>> np.mod(x,)#取余
array([, , , ], 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)