Numpy数组的函数
2023-09-11 14:21:27 时间
import numpy as np
# 将 0~100 10等分
x = np.arange(0,100,10)
# array([ 0, 10, 20, 30, 40, 50, 60, 70, 80, 90])
# 每个数组元素对应的正弦值
np.sin(x)
'''
array([ 0. , -0.54402111, 0.91294525, -0.98803162, 0.74511316,
-0.26237485, -0.30481062, 0.77389068, -0.99388865, 0.89399666])
'''
# 每个数组元素对应的余弦值
np.cos(x)
'''
array([ 1. , -0.83907153, 0.40808206, 0.15425145, -0.66693806,
0.96496603, -0.95241298, 0.6333192 , -0.11038724, -0.44807362])
'''
# 对参数进行四舍五入
np.round(np.cos(x))
# array([ 1., -1., 0., 0., -1., 1., -1., 1., -0., -0.])
# 对参数进行上入整数 3.3->4
np.ceil(x/3)
# array([ 0., 4., 7., 10., 14., 17., 20., 24., 27., 30.])
# 分段函数
x = np.random.randint(0,10,size=(1,10))
# array([[0, 3, 6, 7, 9, 4, 9, 8, 1, 8]])
# 大于 4 的置为 0
np.where(x > 4,0,1)
# array([[1, 1, 0, 0, 0, 1, 0, 0, 1, 0]])
# 小于 4 的乘 2 ,大于 7 的乘3
np.piecewise(x,[x<4,x>7],[lambda x:x*2,lambda x:x*3])
# array([[ 0, 6, 0, 0, 27, 0, 27, 24, 2, 24]])
2020-05-07
相关文章
- Numpy 数组和dtype的一个使用误区
- numpy数组扩展函数repeat和tile用法
- RuntimeError: module compiled against API version 0xb but this version of numpy is 0xa
- numpy中的convolve的理解
- numpy常用函数
- Python 图像处理 OpenCV (2):像素处理与 Numpy 操作以及 Matplotlib 显示图像
- Python PIL 的image类和numpy array之间的互换
- 【阶段二】Python数据分析NumPy工具使用03篇:数组的预处理、数组形状更改、数组转置与数组合并
- 【阶段二】Python数据分析NumPy工具使用01篇:NumPy工具介绍、NumPy工具安装与数组的创建
- python应用-scipy,numpy,sympy计算微积分
- python数据分析-numpy数组操作
- Lesson10——NumPy 迭代数组
- Lesson6——NumPy 数组操作
- Lesson3——NumPy 数据类型
- 【Python-Numpy】numpy.expand_dims()的解析与使用
- 数据分析:单元1 NumPy库入门
- 数据分析----numpy数组的索引和切片操作
- Numpy实现batch_iterator
- Numpy实现优化器
- Python(17):Numpy之array数组的排序
- Numpy tips: numpy.r_, numpy.c_, numpy.s_使用方法详解
- NumPy的函数向量化功能之极简介绍
- python工具方法 3 numpy多维数组清洗,删除任意维度的数组,仅保留感兴趣的一维数据
- 【线代&NumPy】第一章 - 线代概要课后练习 | .array 和 .shape | 简述并提供代码
- Matplotlib NumPy 安装