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()。
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。
推荐阅读
- Amazon SDE 1-校外面试体验
- Scala中的字符串用法指南和代码实例
- 如何使用jQuery刷新页面(代码示例)
- 如何理解C语言中的extern关键字(通俗解释)
- Python如何根据长度将字符串列表拆分为子列表()
- PHP如何使用gmp_cmp()函数(代码实例)
- 算法(如何打印树中所有到根的距离为k的节点())
- 雨林木风windows64纯净版最新系统推荐
- 电脑公司windows7旗舰版最新系统推荐