numpy的通用函数
数组的裁剪与压缩
# 数组的裁剪
ndarray.clip(min=下限, max=上限)
# 数组的压缩
ndarray.compress(条件)
a = np.arange(1, 10)
# 数组裁剪: 最小值不小于下限, 最大值不大于上限
print(a.clip(min=3, max=6))
print(a.compress(a>=6))
加法通用函数
np.add(a, a) # 求两数组之和
np.add.reduce(a) # 求a数组元素的累加和
np.add.accumulate(a) # 返回a数组累加和的过程
np.add.outer([10, 20, 30], a) # 外和
案例:
print('-' * 45)
a = a.reshape(3, 3)
b = a[::]
print(np.add(a, b))
a = a.ravel()
print(a)
print(np.add.reduce(a)) # 求a元素的累加和
print(np.add.accumulate(a)) # a累加和的过程
print(np.add.outer([10,20], a)) # 外和
乘除法通用函数
# 返回ndarray数组元素的累乘结果
ndarray.prod()
# 返回ndarray数组元素累乘的过程
ndarray.cumprod()
# a数组 / b数组
np.true_divide(a,b) np.divide(a,b)
# 地板除
np.floor_divide(a, b)
np.ceil(a / b) # 天花板取整
np.round(a / b) # 四舍五入
np.trunc(a / b) # 截断取整
位运算通用函数
位异或:
c = a ^ b
c = np.bitwise_xor(a, b)
按位异或操作可以方便的判断两个数据是否同号.
7 0111
6 0110
5 0101
4 0100
3 0011
2 0010
1 0001
0 0000
-1 1111
-2 1110
-3 1101
-4 1100
-5 1011
-6 1010
-7 1001
-8 1000
print('-' * 45)
print(a)
print(b)
print(a^b < 0) # 判断是否异号
print(np.bitwise_xor(a,b) < 0) # 判断是否异号
位与:
e = a & b
e = np.bitwise_and(a, b)
利用位与运算计算某个数字是否是2的幂.
1 2^0 00001 0 00000
2 2^1 00010 1 00001
4 2^2 00100 3 00011
8 2^3 01000 7 00111
16 2^4 10000 15 01111
....
案例:
print('-' * 45)
for i in range(1000):if i & (i-1) == 0:print(i, end=' ')a = np.arange(1, 1000)
print(a[a&(a-1) == 0])
其他位运算通用函数
np.bitwise_or(a, b) # 或运算
np.bitwise_not(a) # 非
np.left_shift(a, 1) # 左移
np.right_shift(a, 1) # 右移
三角函数通用函数
np.sin(a)
np.cos(a)
....
numpy的通用函数相关推荐
- numpy的通用函数:快速的元素级数组函数
通用函数(ufunc)是对ndarray中的数据执行元素级运算的函数.可看作简单函数的矢量化包装. 一元ufunc sqrt对数组中的所有元素开平方 exp对数组中的所有元素求指数 In [93]: ...
- Numpy中的通用函数和聚合
https://www.toutiao.com/a6675559636919124483/ 概述 在Numpy中存在着通用函数和聚合去对数据进行处理,numpy通过向量进行对数据数组的计算,而这些向量 ...
- 数据科学 IPython 笔记本 9.5 NumPy 数组上的计算:通用函数
9.5 NumPy 数组上的计算:通用函数 本节是<Python 数据科学手册>(Python Data Science Handbook)的摘录. 译者:飞龙 协议:CC BY-NC-S ...
- Python ln_Python入门教程(三):史上最全的Numpy计算函数总结,建议收藏!
点击上方 蓝字 关注我们 Numpy提供了灵活的.静态类型的.可编译的程序接口口来优化数组的计算,也被称作向量操作,因此在Python数据科学界Numpy显得尤为重要.Numpy的向量操作是通过通用函 ...
- [转]numpy性能优化
转自:http://blog.csdn.net/pipisorry/article/details/39087583 http://blog.csdn.net/pipisorry/article/de ...
- python转置_python数据分析类库系列Numpy之 数组转置和轴对换
转置是重塑的一种特殊形式,它返回的是源数据的视图(不会进行任何复制操作).数组不仅有transpose方法,还有一个特殊的T属性 arr = np.arange(15).reshape((3, 5)) ...
- 先进的NumPy数据科学
We will be covering some of the advanced concepts of NumPy specifically functions and methods requir ...
- python乘法表运算_Python入门教程(三):史上最全的Numpy计算函数总结,建议收藏!...
点击上方 蓝字 关注我们 Numpy提供了灵活的.静态类型的.可编译的程序接口口来优化数组的计算,也被称作向量操作,因此在Python数据科学界Numpy显得尤为重要.Numpy的向量操作是通过通用函 ...
- NumPy:数组计算
一.MumPy:数组计算 1.NumPy是高性能科学计算和数据分析的基础包.它是pandas等其他各种工具的基础. 2.NumPy的主要功能: ndarray,一个多维数组结构,高效且节省空间 无需循 ...
最新文章
- 4.1.3 OS之文件目录目录结构(单级-两级-多级-无环图)、索引节点FCB瘦身
- html 手机a标签点不动,htmlunit单击javascript a标签不起作用
- 在线平互动台活动启动《Discover How to Make the Computer Easier to Use with Windows Vista》...
- 2019/3/27写给自己
- Play 2.0 用户指南 - 表单提交和验证 --针对Scala开发者
- python怎么查找word文档,Python读取word文档内容
- 死亡细胞Mod制作教程
- krohne流量计接线图_电磁流量计接线方式
- 计算机开机后 打不开软件,电脑开机后软件打不开怎么回事
- 带色彩恢复的多尺度视网膜增强算法(MSRCR)的原理、实现及应用
- 对话投资人刘芹:认知不够,才不敢做疯狂的事
- 习题 3.6 请编程序将China译成密码,密码规律是:用原来的字母后面第4个字母代替原来的字母。
- 什么是策划?策划的真正含义是什么?
- 【python】控制鼠标定时移动 防止屏幕锁定 并生成可执行文件exe
- 网格(grid)布局
- 万能配置的大屏可视化功能来啦~
- service mysqld restart与service mysql restart的区别
- 关于硕士研究生延毕的几问几答
- java扑克牌代码改进版
- (生物信息学)R语言与统计学入门(二)——单因素方差分析
热门文章
- 普通二维码跳转到小程序
- [论文]基于强化学习的无模型水下机器人深度控制
- ffmpeg 合并小米云台视频文件 (java生成)
- Oracle 11gR2 RAC网络配置,更改public ip、vip和scanip
- mos 多路模拟电子开关_模拟多路开关-MOSFET全解.ppt
- NTP时间服务器同步时钟系统安装汇总分享
- 13年前联想笔记本V570升级改造记
- [阶段一] 4. Python列表常用方法
- 29、数据结构笔记之二十九数组之硬币抛掷模拟
- 计算机运算器实验原理,运算器实验原理.ppt