元素级数组函数

一元函数

类型	说明
abs,fabs	计算整数、浮点数或复数的绝对值。对于非复数值，可以使用更快的fabs。
sqrt	计算各元素的平方根。相当于arr** 0.5
sqare	计算各元素的平方。相当于arr** 2
exp	计算各元素的e^x
log, log10, log2, log1p	分别为自然对数、底数为10的log、底数为2的log和log(1 + x)。
sign	计算各元素的正负号：1（正数）、0（零）、－1（负数）。
ceil	计算各元素的ceiling值，即大于等于该值的最小整数。
floor	计算各元素的floor值，即小于等于该值的最小整数。

rint	将各元素值四舍五入到最接近的整数，保留dtype。
modf	将数组的小数部分与整数部分以两个独立数组的形式返还
isnan	返回一个表示“哪些值是NaN（这不是一个数字）”的布尔型数组
isfinite,isinf	分别返回一个表示“哪些元素是有限的（非inf，非NaN）”或“哪些元素是无穷的”的布尔型数组
cos,cosh, sin,sinh, tan, tanh	普通型或双曲型三角函数
arccos,arccosh,arcsin,arcsinh, arctan, arctanh	反三角函数
logical_not	计算各元素not x的真值。相当于~arr。

二元函数

类型	说明
add	将数组中对应的元素相加
subtract	从第一个数组中减去第二个数组中的元素
multiply	数组元素相乘
divide,floor_divide	除法或向下取整除法
power	对第一个数组中的元素A和第二个数组中对应位置的元素B，计算A^B。
maximum,fmax	元素级的最大值计算。fmax将忽略NaN。
minimum,fmin	元素级的最小值计算。fmin将忽略NaN。
mod	元素级的求模计算

copysign	将第二个数组中的符号复制给第一个数组中的值
greater,greater_equal, less,less_equal,equal,not_equal	执行元素级的比较，最终产生布尔型数组。
logical_and,logical_or,logical_xor	执行元素级的真值逻辑运算，最终产生布尔型数组。

元素级数组运算

import numpy as np

arr = np.arange(10)
print(np.sqrt(arr))

[ 0.          1.          1.41421356  1.73205081  2.          2.23606798
  2.44948974  2.64575131  2.82842712  3.        ]

数组比较的

x = np.random.randn(10)
y = np.random.randn(10)

print(x)
print(y)
print()
print(np.minimum(x,y))
print(np.maximum(x,y))  #进行数组比较，返回数组的最大值和最小值

[ 0.58431639 -0.11893493  0.08852681  1.92119317 -0.48005949  0.23209933
 -1.25589148 -0.31364489  0.55336918 -0.3881539 ]
[ 0.47316077 -0.4644584  -0.68992793  0.53095745  0.47049651 -1.05365355
  0.82460579 -0.47330585 -0.30023777 -0.06218441]

[ 0.47316077 -0.4644584  -0.68992793  0.53095745 -0.48005949 -1.05365355
 -1.25589148 -0.47330585 -0.30023777 -0.3881539 ]
[ 0.58431639 -0.11893493  0.08852681  1.92119317  0.47049651  0.23209933
  0.82460579 -0.31364489  0.55336918 -0.06218441]

多返回值的函数

a,b = np.modf(x)
print(a)
print(b)

[ 0.58431639 -0.11893493  0.08852681  0.92119317 -0.48005949  0.23209933
 -0.25589148 -0.31364489  0.55336918 -0.3881539 ]
[ 0. -0.  0.  1. -0.  0. -1. -0.  0. -0.]

where 通过真值选择元素

a=zip([1,2,3],[3,4,5],[6,7,8])
print(a)  #zip对象  
list(a)

<zip object at 0x000002328F7BBFC8>





[(1, 3, 6), (2, 4, 7), (3, 5, 8)]

x_arr = np.array([1.1, 1.2, 1.3, 1.4, 1.5])
y_arr = np.array([2.1, 2.2, 2.3, 2.4, 2.5])
cond = np.array([True, False, True, True, False])

传统做法

result = [(x if c else y)for x,y,c in zip(x_arr,y_arr,cond)]
print(result)

print(np.where(cond,x_arr,y_arr))

[1.1000000000000001, 2.2000000000000002, 1.3, 1.3999999999999999, 2.5]
[ 1.1  2.2  1.3  1.4  2.5]

where 对数据的操作

arr = np.arange(10)*10

print(np.where(arr>5,6,arr))
print(np.where(arr>5,1,0))

[0 6 6 6 6 6 6 6 6 6]
[0 1 1 1 1 1 1 1 1 1]

where的一个嵌套

cond_1 = np.array([True, False, True, True, False])
cond_2 = np.array([False, True, False, True, False])

#结果返回真值表，如果都为真 返回0 如果cond_1 = True返回1，cond_2=True返回2 否则返回3

#传统方法
result=[]
for i in range(len(cond_1)):
    if cond_1[i] and cond_2[i]:
        result.append(0)
    elif cond_1[i]:
        result.append(1)
    elif cond_2[i]:
        result.append(2)
    else:
        result.append(3)   
print(result)

[1, 2, 1, 0, 3]

#where的做法

result = np.where(cond_1 &cond_2,0,np.where(
        cond_1,1,np.where(cond_2,2,3)))
print(result)

[1 2 1 0 3]