1. 基本数学函数
# 平方根
print(np.sqrt(4))
print(np.sqrt([1, 4, 9]))
arr = np.array([1, 4, 9])
print(np.sqrt(arr))
2.0
[1. 2. 3.]
[1. 2. 3.]
# 指数 e^x = y
print(np.exp(3))
20.085536923187668
# 对数 ln y = x
print(np.log(1))
0.0
# 三角函数
# 正弦
print(np.sin(1))
# 余弦
print(np.cos(np.pi))
0.8414709848078965
-1.0
# 绝对值
arr = np.array([1, 2, -3, 4, -5])
print(np.abs(arr))
[1 2 3 4 5]
# a的b次幂
print(np.power(arr, 2))
[ 1 4 9 16 25]
# 四舍五入
"""
奇进偶不进
奇进：当5前的数字是奇数时，进位：2.35 ---> 2.4
偶不进：当5前的数字是偶数时，舍去：2.45 ---> 2.4
"""
print(np.round([1.1, 2.6, 3.5, 4.5, 4.51]))
[1. 3. 4. 4. 5.]
# 向上取整
arr = np.array([1.5, 2.6, 3.7])
print(np.ceil(arr))
# 向下取整
print(np.floor(arr))
[2. 3. 4.]
[1. 2. 3.]
# 检测缺失值 NaN
arr = np.array([1, 2, np.nan, 3])
print(np.isnan(arr))
[False False True False]
2. 统计函数
arr = np.random.randint(1, 10, 5)
print(arr)
[3 8 7 7 9]
# 求和
print(np.sum(arr))
34
# 平均值
print(np.mean(arr))
6.8
# 中位数
"""
元素个数为奇数时：先排序，再计算
元素个数为偶数时：中间两个数的平均值
"""
print(np.median(arr))
print(np.median([1, 2, 3, 4]))
7.0
2.5
# 标准差
"""
[1, 2, 3] 的平均值为2
标准差 = ((1 - 2)^2 + (2 - 2)^2 + (3 - 2)^2) / 3
"""
print(np.var([1, 2, 3]))
# 方差
"""
根据标准差和方差可以评估一组数据的离散程度，如：温度是否恒定，机器运行是否稳定
"""
print(np.std([1, 2, 3]))
0.6666666666666666
0.816496580927726
# 最值
# 最大值
print("最大值：", np.max(arr), "索引位置：", np.argmax(arr))
# 最小值
print("最小值：", np.min(arr), "索引位置：", np.argmin(arr))
最大值： 9 索引位置： 4
最小值： 3 索引位置： 0
# 分位数
arr = np.array([1, 2, 3, 4])
"""
1 2 3 4 等分为4份，中间有3段
30%时：
0.3 * 3 = 0.9
(3 - 2) * 0.9 = 0.9 + 1 = 1.9
50%时：
0.5 * 3 = 1.5
(3 - 2) * 1.5 = 1.5 + 1 = 2.5
70%时：
0.7 * 3 = 2.1
(3 - 2) * 0.1 = 0.1 + 3 = 3.1
"""
print(np.percentile(arr, 30))
print(np.percentile(arr, 50))
print(np.percentile(arr, 70))
1.9
2.5
3.0999999999999996
# 累积和
print(np.cumsum(arr))
# 累积积
print(np.cumprod(arr))
[ 1 3 6 10]
[ 1 2 6 24]
3. 比较函数
arr = np.random.randint(1, 20, 5)
print(arr)
[19 2 15 11 4]
# 大于
print(np.greater(arr, 4))
# 小于
print(np.less(arr, 4))
# 等于
print(np.equal(arr, 4))
# 矩阵间比较时需注意矩阵的形状要相同
print(np.equal(np.array([1, 2, 3]), np.array([2, 3, 4])))
[ True False True True False]
[False True False False False]
[False False False False True]
[False False False]
# 与
print(np.logical_and([1, 0], [1, 1]))
# 或
print(np.logical_or([1, 0], [1, 1]))
# 非
print(np.logical_not([1, 0]))
[ True False]
[ True True]
[False True]
# 检查至少有一个元素为 True
print(np.any([1, 0, 0, 0, 1]))
# 检查所有元素是否为 True
print(np.all([1, 0, 0, 0, 1]))
True
False
# 自定义条件
# 参数：判断条件，符合条件的，不符合条件的
print(np.where(arr > 5, arr, 0))
print(np.where(arr > 5, True, False))
[19 0 15 11 0]
[ True False True True False]
# np.select(条件, 要返回的结果, 默认值)
print(np.select([arr > 5, arr < 6], ["大于5", "小于5"], default='未知'))
['大于5' '小于5' '大于5' '大于5' '小于5']
4. 排序函数
arr = np.random.randint(1, 30, 10)
print(arr)
[11 29 21 28 5 9 23 17 20 21]
# 改变原数组
# arr.sort()
# print(arr)
# 不改变原数组
print("排序后的数组：", np.sort(arr))
print("原数组：", arr)
排序后的数组： [ 5 9 11 17 20 21 21 23 28 29]
原数组： [11 29 21 28 5 9 23 17 20 21]
# 去重（注：去重的同时也做了排序）
print(np.unique(arr))
[ 5 9 11 17 20 21 23 28 29]
# 数组拼接
arr1 = np.array([1, 2, 3])
arr2 = np.array([3, 4, 5])
print(np.concat((arr1, arr2)))
[1 2 3 3 4 5]
# 数组的分割（注：切割的份数必须能让原数组等分）
print(np.split(arr, 2))
[array([11, 29, 21, 28, 5], dtype=int32), array([ 9, 23, 17, 20, 21], dtype=int32)]
# 调整数组的形状
# 注：reshape的形状需满足能让原数组等分
print(np.reshape(arr, [5, 2]))
[[11 29]
[21 28]
[ 5 9]
[23 17]
[20 21]]
评论 (0)