Numpy学习笔记（七）数学函数

三角函数

'''
numpy.sin(x)：三角正弦。
numpy.cos(x)：三角余弦。
numpy.tan(x)：三角正切。
numpy.arcsin(x)：三角反正弦。
numpy.arccos(x)：三角反余弦。
numpy.arctan(x)：三角反正切。
numpy.hypot(x1,x2)：直角三角形求斜边。
numpy.degrees(x)：弧度转换为度。
numpy.radians(x)：度转换为弧度。
numpy.deg2rad(x)：度转换为弧度。作用与上radians()相同
numpy.rad2deg(x)：弧度转换为度。作用与上degrees()相同
'''

import numpy as np#注意，这里的度，用np.pi/180表示，表示多少度，乘以倍数即可
print(np.sin(30)) #sin(30) #sin(30)
'''-0.9880316240928618'''
print(np.sin(30*np.pi/180)) #sin(30度)
'''0.49999999999999994'''
print(np.hypot(3,4))#：直角三角形求斜边。
'''5.0'''
print(np.rad2deg(np.pi))  # 弧度转换为度
'''180.0'''
print(np.deg2rad(180.0)) # 度转换为弧度。
'''3.141592653589793'''

双曲函数

'''
numpy.sinh(x)：双曲正弦。
numpy.cosh(x)：双曲余弦。
numpy.tanh(x)：双曲正切。
numpy.arcsinh(x)：反双曲正弦。
numpy.arccosh(x)：反双曲余弦。
numpy.arctanh(x)：反双曲正切。
'''

import numpy as np
#示例
print(np.sinh(90*np.pi/180))
'''2.3012989023072947'''

数值修约

'''
numpy.around(a)：平均到给定的小数位数。
numpy.round_(a)：将数组舍入到给定的小数位数。
numpy.rint(x)：修约到最接近的整数。
numpy.fix(x, y)：向 0 舍入到最接近的整数。
numpy.floor(x)：返回输入的底部(标量 x 的底部是最大的整数 i)。
numpy.ceil(x)：返回输入的上限(标量 x 的底部是最小的整数 i).
numpy.trunc(x)：返回输入的截断值。
'''

import numpy as npa=[-3.14878,-2.48784,-1.4878,0.478784,1.4878,2.78779,3.7897848]print(np.around(a,2)) #保留2位小数
'''[-3.15 -2.49 -1.49  0.48  1.49  2.79  3.79]'''
print(np.trunc(a)) #返回整数，丢弃小数部分
'''[-3. -2. -1.  0.  1.  2.  3.]'''
print(np.fix(a)) #向0舍入到最接近的整数
'''[-3. -2. -1.  0.  1.  2.  3.]'''
print(np.rint(a))   #返回最接近的整数
'''[-3. -2. -1.  0.  1.  3.  4.]'''
print(np.floor(a))#向下最接近的整数
'''[-4. -3. -2.  0.  1.  2.  3.]'''
print(np.ceil(a))#向上最接近的整数
'''[-3. -2. -1.  1.  2.  3.  4.]'''

求和、求积、差分

'''不常用，有需要时，自行百度其详细使用方法
numpy.prod(a, axis, dtype, keepdims)：返回指定轴上的数组元素的乘积。
numpy.sum(a, axis, dtype, keepdims)：返回指定轴上的数组元素的总和。
numpy.nanprod(a, axis, dtype, keepdims)：返回指定轴上的数组元素的乘积, 将 NaN 视作 1。
numpy.nansum(a, axis, dtype, keepdims)：返回指定轴上的数组元素的总和, 将 NaN 视作 0。
numpy.cumprod(a, axis, dtype)：返回沿给定轴的元素的累积乘积。
numpy.cumsum(a, axis, dtype)：返回沿给定轴的元素的累积总和。
numpy.nancumprod(a, axis, dtype)：返回沿给定轴的元素的累积乘积, 将 NaN 视作 1。
numpy.nancumsum(a, axis, dtype)：返回沿给定轴的元素的累积总和, 将 NaN 视作 0。
numpy.diff(a, n, axis)：计算沿指定轴的第 n 个离散差分。
numpy.ediff1d(ary, to_end, to_begin)：数组的连续元素之间的差异。
numpy.gradient(f)：返回 N 维数组的梯度。
numpy.cross(a, b, axisa, axisb, axisc, axis)：返回两个(数组）向量的叉积。
numpy.trapz(y, x, dx, axis)：使用复合梯形规则沿给定轴积分。
'''

import numpy as np
a = np.arange(10)  # 生成 0-9
print(a)
'''[0 1 2 3 4 5 6 7 8 9]'''
print(np.sum(a))   #数组累加
'''45'''

指数、对数

'''
numpy.exp(x)：计算输入数组中所有元素的指数。
numpy.log(x)：计算自然对数。
numpy.log10(x)：计算常用对数。
numpy.log2(x)：计算二进制对数。
'''

import numpy as npprint(np.exp(2)) #e的二次方
'''7.38905609893065'''
print(np.log(7.38905609893065)) #反求数值是e的几次方
'''2.0'''
print(np.log10(100)) #100是10的几次方
'''2.0'''
print(np.log2(8)) #8是2的几次方
'''3.0'''
#补充，x的多次方
print(2**3) #2的3次方
'''8'''
print(np.power(2, 3))#2的3次方
'''8'''

算法运算

'''可用于数组与单个元素
numpy.add(x1, x2)：对应元素相加。
numpy.reciprocal(x)：求倒数 1/x。
numpy.negative(x)：求对应负数。
numpy.multiply(x1, x2)：求解乘法。
numpy.divide(x1, x2)：相除 x1/x2。
numpy.power(x1, x2)：类似于 x1^x2。
numpy.subtract(x1, x2)：减法。
numpy.fmod(x1, x2)：返回除法的元素余项。
numpy.mod(x1, x2)：返回余项。
numpy.modf(x1)：返回数组的小数和整数部分。
numpy.remainder(x1, x2)：返回除法余数。
'''

import numpy as np
a1 = np.random.randint(0, 10, 5)  # 生成 5 个从 0-10 的随机整数
a2 = np.random.randint(0, 10, 5)
print(a1,a2)
'''[6 6 5 4 3] [2 7 6 6 2]'''
print(np.add(a1, a2))
'''[ 8 13 11 10  5]'''
#注意：这些函数可以用于数组，或者单个元素
print(np.add(1,2))
'''3'''

矩阵、向量积

'''
numpy.dot(a, b)：求解两个数组的点积。
numpy.vdot(a, b)：求解两个向量的点积。
numpy.inner(a, b)：求解两个数组的内积。
numpy.outer(a, b)：求解两个向量的外积。
numpy.matmul(a, b)：求解两个数组的矩阵乘积。
numpy.tensordot(a, b)：求解张量点积。
numpy.kron(a, b)：计算 Kronecker 乘积。
'''

import numpy as npa = [[1, 2, 3], [4, 5, 6]]
b = [[2, 2], [3, 3], [4, 4]]print(np.matmul(a, b)) #求矩阵a*b积
'''
[[20 20][47 47]]
'''

数学运算

'''
numpy.angle(z, deg)：返回复参数的角度。
numpy.real(val)：返回数组元素的实部。
numpy.imag(val)：返回数组元素的虚部。
numpy.conj(x)：按元素方式返回共轭复数。
numpy.convolve(a, v, mode)：返回线性卷积。
numpy.sqrt(x)：平方根。
numpy.cbrt(x)：立方根。
numpy.square(x)：平方。
numpy.absolute(x)：绝对值, 可求解复数。
numpy.fabs(x)：绝对值。
numpy.sign(x)：符号函数。
numpy.maximum(x1, x2)：最大值。
numpy.minimum(x1, x2)：最小值。
numpy.nan_to_num(x)：用 0 替换 NaN。
numpy.interp(x, xp, fp, left, right, period)：线性插值。
'''
#阅读一遍留下印象，用到时查阅官方文档即可。

代数运算

阅读一遍留下印象，用到时查阅官方文档即可。

'''
numpy.linalg.cholesky(a)：Cholesky 分解。
numpy.linalg.qr(a ,mode)：计算矩阵的 QR 因式分解。
numpy.linalg.svd(a ,full_matrices,compute_uv)：奇异值分解。
numpy.linalg.eig(a)：计算正方形数组的特征值和右特征向量。
numpy.linalg.eigh(a, UPLO)：返回 Hermitian 或对称矩阵的特征值和特征向量。
numpy.linalg.eigvals(a)：计算矩阵的特征值。
numpy.linalg.eigvalsh(a, UPLO)：计算 Hermitian 或真实对称矩阵的特征值。
numpy.linalg.norm(x ,ord,axis,keepdims)：计算矩阵或向量范数。
numpy.linalg.cond(x ,p)：计算矩阵的条件数。
numpy.linalg.det(a)：计算数组的行列式。
numpy.linalg.matrix_rank(M ,tol)：使用奇异值分解方法返回秩。
numpy.linalg.slogdet(a)：计算数组的行列式的符号和自然对数。
numpy.trace(a ,offset,axis1,axis2,dtype,out)：沿数组的对角线返回总和。
numpy.linalg.solve(a, b)：求解线性矩阵方程或线性标量方程组。
numpy.linalg.tensorsolve(a, b ,axes)：为 x 解出张量方程 a x = b
numpy.linalg.lstsq(a, b ,rcond)：将最小二乘解返回到线性矩阵方程。
numpy.linalg.inv(a)：计算逆矩阵。
numpy.linalg.pinv(a ,rcond)：计算矩阵的（Moore-Penrose）伪逆。
numpy.linalg.tensorinv(a ,ind)：计算 N 维数组的逆。
'''

Numpy学习笔记（七）数学函数相关推荐

Matlab学习笔记（数学函数）一
最近一直再看matlab5手册,写一些作为学习笔记. 一些常用的数学函数: clc; x=1.7 y1=abs(x)%绝对值 sign(x)%x的符号,正1.负-1,零0 sqrt(x)%根号 pow ...
吴恩达《机器学习》学习笔记七——逻辑回归（二分类）代码
吴恩达<机器学习>学习笔记七--逻辑回归(二分类)代码一.无正则项的逻辑回归 1.问题描述 2.导入模块 3.准备数据 4.假设函数 5.代价函数 6.梯度下降 7.拟合参数 8.用训练 ...
Numpy学习笔记（下篇）
目录 Numpy学习笔记(下篇) 一.Numpy数组的合并与分割操作 1.合并操作 2.分割操作二.Numpy中的矩阵运算 1.Universal Function 2.矩阵运算 3.向量和矩阵运算 ...
Typescript 学习笔记七：泛型
中文网:https://www.tslang.cn/ 官网:http://www.typescriptlang.org/ 目录: Typescript 学习笔记一:介绍.安装.编译 Typescrip ...
【K210】K210学习笔记七——使用K210拍摄照片并在MaixHub上进行训练
[K210]K210学习笔记七--使用K210拍摄照片并在MaixHub上进行训练前言 K210准备工作 K210如何拍摄照片准备工作拍摄相关代码定义用K210拍摄到的照片在MaixHub平台 ...
NumPy学习笔记前言
前言目录 NumPy学习笔记前言 NumPy简介 NumPy学习准备 NumPy中文网 NumPy学习笔记前言这里主要分享一下我个人学习NumPy的笔记,希望大家多多交流学习,这也是我第一次写CSD ...
window的dos命令学习笔记七
文章目录一.dos历史学习笔记(后期整合到这里,我想能学到这里的应该不多了,嘿嘿,加油) 二.执行状态返回值(`%errorlevel%`,和shell中`$?`相似): 三.视窗 1.color ...
ESP32学习笔记(七) 复位和时钟
ESP32学习笔记(七) 复位和时钟目录: ESP32学习笔记(一) 芯片型号介绍 ESP32学习笔记(二) 开发环境搭建 VSCode+platformio ESP32学习笔记(三) 硬件资源介绍 ...
逆向脱壳破解分析基础学习笔记七堆栈图（重点）
本文为本人大神论坛逆向破解脱壳学习笔记之一,为本人对以往所学的回顾和总结,可能会有谬误之处,欢迎大家指出. 陆续将不断有笔记放出,希望能对想要入门的萌新有所帮助,一起进步堆栈图首先给定一段反汇 ...
OpenCV学习笔记(七)——图像梯度及边缘检测
图像梯度计算的是图像变化的速度.对于图像的边缘部分,其灰度值变化较大,梯度值也较大:相反,对于图像中比较平滑的部分,其灰度值变化较小,相应的梯度值也较小.一般情况下,图像梯度计算的是图像的边缘信息. ...

Numpy学习笔记（七）数学函数

三角函数

双曲函数

数值修约

求和、求积、差分

指数、对数

算法运算

矩阵、向量积

数学运算

代数运算

Numpy学习笔记（七）数学函数相关推荐

最新文章

热门文章