Numpy入门（三）Numpy便捷函数

我会带着你远行 2022-04-18 03:04 393阅读 0赞

##  便捷函数 ##

### 1 常用函数 ###

import numpy as np

a = np.arange(-5,5)

signs = np.sign(a)

piecewises = np.piecewise(a,[a>0,a<0],[1,-1])

np.array_equal(signs,piecewises)

True

### 2 创建矩阵 ###

A = np.mat('1 2 3; 4 5 6; 7 8 9')

A

matrix([[1, 2, 3],
            [4, 5, 6],
            [7, 8, 9]])

A.T

matrix([[1, 4, 7],
            [2, 5, 8],
            [3, 6, 9]])

A = np.eye(2)

A

array([[1., 0.],
           [0., 1.]])

B = 2*A

B

array([[2., 0.],
           [0., 2.]])

np.bmat('A B;A B')

matrix([[1., 0., 2., 0.],
            [0., 1., 0., 2.],
            [1., 0., 2., 0.],
            [0., 1., 0., 2.]])

### 3 通用函数 ###

通用函数的输入是一组标量,输出也是一组标量,他们通常可以对应于基本数学运算,如加减乘除

def ultimate_answer(a):
        return np.zeros_like(a)

a = np.eye(3)

ultimate_answer(a)

array([[0., 0., 0.],
           [0., 0., 0.],
           [0., 0., 0.]])

a.flat

<numpy.flatiter at 0x2e247c0>

list(a.flat)

[1.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 1.0]

a = np.arange(9)

np.add.reduce(a)

36

np.add.accumulate(a)

array([ 0,  1,  3,  6, 10, 15, 21, 28, 36])

### 4 算术运算 ###

a = np.array([2,6,5])
    b = np.array([1,2,3])

np.divide(a,b)

array([2, 3, 1])

np.divide(b,a)

array([0, 0, 0])

np.true_divide(a,b)

array([2.        , 3.        , 1.66666667])

np.true_divide(b,a)

array([0.5       , 0.33333333, 0.6       ])

from __future__ import division

a/b

array([2.        , 3.        , 1.66666667])

a//b

array([2, 3, 1])

a = np.arange(-4,4)

a

array([-4, -3, -2, -1,  0,  1,  2,  3])

np.remainder(a,2)

array([0, 1, 0, 1, 0, 1, 0, 1])

np.mod(a,2)

array([0, 1, 0, 1, 0, 1, 0, 1])

a%2

array([0, 1, 0, 1, 0, 1, 0, 1])

np.fmod(a,2)

array([ 0, -1,  0, -1,  0,  1,  0,  1])

from matplotlib.pyplot import plot
    from matplotlib.pyplot import show

a = 1
    b =2

t = np.linspace(-np.pi,np.pi,201)

x = np.sin(a*t +np.pi/2)
    y = np.sin(b*t)

plot(x)

[<matplotlib.lines.Line2D at 0x7f6c02908f50>]

show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjM2Mzk5Nw_size_16_color_FFFFFF_t_70]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjM2Mzk5Nw_size_16_color_FFFFFF_t_70]: /images/20220418/9323cf46422b43b4b856314445b9a325.png

发表评论取消回复

表情：

评论列表（有 0 条评论，393人围观）

还没有评论，来说两句吧...

相关阅读

相关三、Numpy——索引

import numpy as np A = np.arange(3,15) print("*************一维数组索引********...

古城微笑少年丶/ 2024年04月19日 23:57/ 0 赞/ 126 阅读

相关 numpy入门

1. 待处理的原始数据这里有原始数据文件`world_alcohol.txt`，文件内容如下： Year,WHO region,Country,Beverag

向右看齐/ 2023年01月02日 15:24/ 0 赞/ 429 阅读

相关 python numpy.shape 和 numpy.reshape函数

版权声明：本文为博主原创文章，未经博主允许不得转载。 [http://blog.csdn.net/u012005313/article/details/49383551][h

妖狐艹你老母/ 2022年09月25日 14:26/ 0 赞/ 325 阅读

相关 Python Numpy 入门

numpy是一个基础的进行科学计算的第三方库一、数据维度一维数据：一维数据由对等关系的有序或无序数据构成采用线性方式组织例如：3.1413， 3.1398

骑猪看日落/ 2022年06月06日 01:07/ 0 赞/ 353 阅读

相关 Numpy-tile函数

tile是numpy模块中的类，tile(A,n)的功能是将数组A重复n次，构成一个新的数组。例如； a=tile(1, 5) 将[1]复制5次 >

待我称王封你为后i/ 2022年06月04日 03:23/ 0 赞/ 366 阅读

相关 Numpy（三）矩阵

1、矩阵的创建 (1) 在创建矩阵的专用字符串中，矩阵的行与行之间用分号隔开，行内的元素之间用空格隔开。 (2) 用T属性获取转置矩阵 mat函数创建

旧城等待，/ 2022年06月02日 07:45/ 0 赞/ 320 阅读

相关 numpy一般函数

三角函数 sin(x) cos(x) tan(x) sinh(x) conh(x) tanh(x) arccos(

野性酷女/ 2022年05月16日 07:39/ 0 赞/ 326 阅读

相关 Numpy入门（四）深入学习Numpy模块

1 linalg模块 import numpy as np A = np.mat("0 1 2; 1 0 3; 4 -3 8") A

川长思鸟来/ 2022年04月18日 03:27/ 0 赞/ 374 阅读

相关 Numpy入门（三）Numpy便捷函数

便捷函数 1 常用函数 import numpy as np a = np.arange(-5,5) signs = np.sign(

我会带着你远行/ 2022年04月18日 03:04/ 0 赞/ 394 阅读

相关 Numpy入门（二）Numpy常用函数

常用函数 1 文件读写 import numpy as np i2 = np.eye(2) i2 array([[1., 0

拼搏现实的明天。/ 2022年04月18日 03:04/ 0 赞/ 454 阅读