Numpy ufunc如何使用通用函数（代码示例） _ufunc

通用函数在Numpy中是简单的数学函数。这只是我们在Numpy库中使用的数学函数术语。 Numpy提供了涵盖各种操作的各种通用函数。
这些函数包括标准三角函数, 用于算术运算, 处理复数的函数, 统计函数等。通用函数具有以下各种特征：

这些函数在ndarray(N维数组), 即Numpy的数组类。
它执行快速的按元素数组操作。
它支持阵列广播, 类型转换等各种函数。
Numpy通用函数是属于numpy.ufunc类的对象。
也可以使用以下命令将Python函数创建为通用函数frompyfunc库函数。
一些函数在数组上使用相应的算术运算符时, 将自动调用它们。例如, 当使用'+'运算符逐元素执行两个数组的加法运算时, 则会在内部调用np.add()。

Numpy中的一些基本通用函数是-
三角函数：
这些函数适用于弧度, 因此需要通过乘以pi / 180将角度转换为弧度。只有这样我们才能调用三角函数。他们将数组作为输入参数。它包括如下函数：

函数	描述
罪恶, COS, 棕褐色	计算角度的正弦, 余弦和正切
arcsin, arccos, arctan	计算反正弦, 余弦和正切
虚伪	计算给定直角三角形的斜边
锡, 科什, 丹	计算双曲正弦, 余弦和正切
arcsinh, arccosh, arctanh	计算反双曲正弦, 余弦和正切
deg2rad	将度转换为弧度
rad2deg	将弧度转换为度

# Python code to demonstrate trignometric function import numpy as np# create an array of angles angles = np.array([ 0 , 30 , 45 , 60 , 90 , 180 ]) # conversion of degree into radians # using deg2rad function radians = np.deg2rad(angles)# sine of angles print ( 'Sine of angles in the array:' ) sine_value = https://www.lsbin.com/np.sin(radians) print (np.sin(radians))# inverse sine of sine values print ('Inverse Sine of sine values:' ) print (np.rad2deg(np.arcsin(sine_value)))# hyperbolic sine of angles print ( 'Sine hyperbolic of angles in the array:' ) sineh_value = https://www.lsbin.com/np.sinh(radians) print (np.sinh(radians))# inverse sine hyperbolic print ('Inverse Sine hyperbolic:' ) print (np.sin(sineh_value)) # hypot function demonstration base = 4 height = 3 print ( 'hypotenuse of right triangle is:' ) print (np.hypot(base, height))

输出如下：

Sine of angles in the array: [0.00000000e+005.00000000e-017.07106781e-018.66025404e-01 1.00000000e+001.22464680e-16]Inverse Sine of sine values: [0.00000000e+003.00000000e+014.50000000e+016.00000000e+01 9.00000000e+017.01670930e-15]Sine hyperbolic of angles in the array: [0.0.547853470.868670961.249367052.3012989 11.54873936]Inverse Sine hyperbolic: [ 0.0.520856060.763471260.948784850.74483916 -0.85086591]hypotenuse of right triangle is: 5.0

统计函数：
这些函数用于计算均值, 中位数, 方差, 数组元素的最小值。它包括如下函数：

函数	描述
阿敏, 阿玛	返回数组或沿轴的最小值或最大值
点对点	返回数组或沿轴的值范围(最大-最小)
百分位(a, p, 轴)	计算数组或沿指定轴的pth百分位
中位数	计算沿指定轴的数据中位数
意思	计算沿指定轴的数据平均值
性病	计算沿指定轴的数据标准偏差
变种	计算沿指定轴的数据方差
平均	计算沿指定轴的数据平均值

# Python code demonstrate statistical function import numpy as np# construct a weight array weight = np.array([ 50.7 , 52.5 , 50 , 58 , 55.63 , 73.25 , 49.5 , 45 ])# minimum and maximum print ( 'Minimum and maximum weight of the students: ' ) print (np.amin(weight), np.amax(weight))# range of weight i.e. max weight-min weight print ( 'Range of the weight of the students: ' ) print (np.ptp(weight))# percentile print ( 'Weight below which 70 % student fall: ' ) print (np.percentile(weight, 70 ))# mean print ( 'Mean weight of the students: ' ) print (np.mean(weight))# median print ( 'Median weight of the students: ' ) print (np.median(weight))# standard deviation print ( 'Standard deviation of weight of the students: ' ) print (np.std(weight))# variance print ( 'Variance of weight of the students: ' ) print (np.var(weight))# average print ( 'Average weight of the students: ' ) print (np.average(weight))

输出如下：

Minimum and maximum weight of the students: 45.0 73.25Range of the weight of the students: 28.25Weight below which 70 % student fall: 55.317Mean weight of the students: 54.3225Median weight of the students: 51.6Standard deviation of weight of the students: 8.05277397857Variance of weight of the students: 64.84716875Average weight of the students: 54.3225

位旋转函数：
【Numpy ufunc如何使用通用函数（代码示例）】这些函数接受整数值作为输入参数, 并对这些整数的二进制表示形式执行按位运算。它包括如下函数：

函数	描述
按位与	对两个数组元素执行按位和运算
bitwies_or	对两个数组元素执行按位或运算
bitwise_xor	对两个数组元素执行按位异或运算
倒置	对数组元素执行按位求逆
左移	向左移元素的位
向右移	向左移元素的位

# Python code to demonstrate bitwise-function import numpy as np# construct an array of even and odd numbers even = np.array([ 0 , 2 , 4 , 6 , 8 , 16 , 32 ]) odd = np.array([ 1 , 3 , 5 , 7 , 9 , 17 , 33 ])# bitwise_and print ( 'bitwise_and of two arrays: ' ) print (np.bitwise_and(even, odd))# bitwise_or print ( 'bitwise_or of two arrays: ' ) print (np.bitwise_or(even, odd))# bitwise_xor print ( 'bitwise_xor of two arrays: ' ) print (np.bitwise_xor(even, odd))# invert or not print ( 'inversion of even no. array: ' ) print (np.invert(even))# left_shift print ( 'left_shift of even no. array: ' ) print (np.left_shift(even, 1 ))# right_shift print ( 'right_shift of even no. array: ' ) print (np.right_shift(even, 1 ))

输出如下：

bitwise_and of two arrays: [ 02468 16 32]bitwise_or of two arrays: [ 13579 17 33]bitwise_xor of two arrays: [1 1 1 1 1 1 1]inversion of even no. array: [ -1-3-5-7-9 -17 -33]left_shift of even no. array: [ 048 12 16 32 64]right_shift of even no. array: [ 012348 16]

注意怪胎！巩固你的基础Python编程基础课程和学习基础知识。
首先, 你的面试准备可通过以下方式增强你的数据结构概念：Python DS课程。