python numpy库函数

Numpy库是Python中用于数值计算的基础库,提供了大量的数学函数和操作,如数组创建、切片、索引等。

Python中Numpy库常用函数

Numpy是一个用于科学计算的Python库,它提供了大量的数学函数和操作数组的功能,下面是一些常用的Numpy函数:

python numpy库函数

创建数组

1、numpy.array(): 创建一个数组,可以接受列表、元组等作为参数。

2、numpy.zeros(): 创建一个全0的数组。

3、numpy.ones(): 创建一个全1的数组。

4、numpy.arange(): 创建一个等差数列。

5、numpy.linspace(): 创建一个等间隔的数列。

6、numpy.logspace(): 创建一个对数等间隔的数列。

7、numpy.eye(): 创建一个单位矩阵。

8、numpy.empty(): 创建一个未初始化的数组。

9、numpy.full(): 创建一个填充指定值的数组。

10、numpy.reshape(): 改变数组的形状。

函数名 功能描述
numpy.array() 创建数组
numpy.zeros() 创建全0数组
numpy.ones() 创建全1数组
numpy.arange() 创建等差数列
numpy.linspace() 创建等间隔数列
numpy.logspace() 创建对数等间隔数列
numpy.eye() 创建单位矩阵
numpy.empty() 创建未初始化数组
numpy.full() 创建填充数组
numpy.reshape() 改变数组形状

数学运算

1、numpy.add(): 数组元素相加。

2、numpy.subtract(): 数组元素相减。

3、numpy.multiply(): 数组元素相乘。

4、numpy.divide(): 数组元素相除。

5、numpy.power(): 数组元素求幂。

6、numpy.sqrt(): 数组元素开平方。

7、numpy.cbrt(): 数组元素开立方。

python numpy库函数

8、numpy.exp(): 数组元素指数运算。

9、numpy.log(): 数组元素对数运算。

10、numpy.modf(): 将浮点数拆分为整数和小数部分。

11、numpy.round(): 对数组元素进行四舍五入。

12、numpy.floor(): 对数组元素向下取整。

13、numpy.ceil(): 对数组元素向上取整。

14、numpy.sign(): 获取数组元素的符号。

15、numpy.abs(): 计算数组元素的绝对值。

16、numpy.mean(): 计算数组元素的平均值。

17、numpy.sum(): 计算数组元素的和。

18、numpy.prod(): 计算数组元素的乘积。

19、numpy.max(): 计算数组元素的最大值。

20、numpy.min(): 计算数组元素的最小值。

21、numpy.median(): 计算数组元素的中位数。

22、numpy.std(): 计算数组元素的标准差。

23、numpy.var(): 计算数组元素的方差。

24、numpy.cumsum(): 计算数组元素的累积和。

python numpy库函数

25、numpy.cumprod(): 计算数组元素的累积乘积。

26、numpy.diff(): 计算数组相邻元素的差值。

27、numpy.polyfit(): 多项式拟合。

28、numpy.polyval(): 根据多项式系数计算值。

29、numpy.polyder(): 计算多项式的导数。

30、numpy.polyint(): 计算多项式的积分。

31、numpy.isnan(): 判断数组元素是否为NaN(非数字)。

32、numpy.isinf(): 判断数组元素是否为无穷大或无穷小。

33、numpy.argmax(): 返回最大值的索引。

34、numpy.argmin(): 返回最小值的索引。

35、numpy.where(): 根据条件返回满足条件的元素的索引或值。

36、numpy.sort(): 对数组进行排序。

37、numpy.unique(): 返回数组中的唯一元素。

38、numpy.any(): 如果至少有一个元素为True,则返回True。

39、numpy.all(): 如果所有元素都为True,则返回True。

40、numpy.count_nonzero(): 统计非零元素的个数。

原创文章,作者:未希,如若转载,请注明出处:https://www.kdun.com/ask/646998.html

本网站发布或转载的文章及图片均来自网络,其原创性以及文中表达的观点和判断不代表本网站。如有问题,请联系客服处理。

(0)
未希新媒体运营
上一篇 2024-05-23 02:02
下一篇 2024-05-23 02:06

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注

产品购买 QQ咨询 微信咨询 SEO优化
分享本页
返回顶部
云产品限时秒杀。精选云产品高防服务器,20M大带宽限量抢购 >>点击进入