numpy中函数的说明文档（NumPy数学函数）

本文向大家介绍一下 numpy 常见的数学函数，我来为大家讲解一下关于numpy中函数的说明文档?跟着小编一起来看一看吧!

numpy中函数的说明文档

本文向大家介绍一下 numpy 常见的数学函数。

NumPy 三角函数

三角函数是基本初等函数之一，是以角度（数学上最常用弧度制，下同）为自变量，角度对应任意角终边与单位圆交点坐标或其比值为因变量的函数。三角函数一般用于计算三角形中未知长度的边和未知的角度，在导航、工程学以及物理学方面都有广泛的用途。

常见的三角函数包括正弦函数、余弦函数和正切函数。下面我们来学习这三个常见的三角函数：

函数	描述
sin()	数组中角度的正弦值
cos()	数组中角度的余弦值
tan()	数组中角度的正切值
arcsin()	数组中角度的反正弦值
arccos()	数组中角度的反余弦值
arctan()	数组中角度的反正切值
degrees()	将弧度转换成角度

我们直接来看实例：

import numpy as np a = np.array([0, 30, 45, 60, 90]) print(np.char.center('不同角度的正弦值', 30, '*')) # 通过乘 pi/180 转化为弧度 sin = np.sin(a*np.pi/180) print(sin) print('\n') print(np.char.center('不同角度的余弦值', 30, '*')) # 通过乘 pi/180 转化为弧度 cos = np.cos(a*np.pi/180) print(cos) print('\n') print(np.char.center('不同角度的正切值', 30, '*')) # 通过乘 pi/180 转化为弧度 tan = np.tan(a*np.pi/180) print(tan) print('\n') print(np.char.center('不同角度的反正弦值', 30, '*')) arcsin = np.arcsin(sin) # 将弧度转换成角度打印输出 print(np.degrees(arcsin)) print('\n') print(np.char.center('不同角度的反余弦值', 30, '*')) arccos = np.arccos(cos) # 将弧度转换成角度打印输出 print(np.degrees(arccos)) print('\n') print(np.char.center('不同角度的反正切值', 30, '*')) arctan = np.arctan(tan) # 将弧度转换成角度打印输出 print(np.degrees(arctan)) print('\n') # 返回 ***********不同角度的正弦值*********** [0. 0.5 0.70710678 0.8660254 1. ] ***********不同角度的余弦值*********** [1.00000000e 00 8.66025404e-01 7.07106781e-01 5.00000000e-01 6.12323400e-17] ***********不同角度的正切值*********** [0.00000000e 00 5.77350269e-01 1.00000000e 00 1.73205081e 00 1.63312394e 16] **********不同角度的反正弦值*********** [ 0. 30. 45. 60. 90.] **********不同角度的反余弦值*********** [ 0. 30. 45. 60. 90.] **********不同角度的反正切值*********** [ 0. 30. 45. 60. 90.]

上面例子中，我们先计算不同角度的正弦值、余弦值、正切值，然后我们通过反三角函数，将前面计算的值计算成弧度，然后通过 degrees 函数转换成角度。我们可以看到最后的出来的角度和开始输入的数组的角度是一样的。

NumPy 四舍五入函数

我们在数据的处理中可能会遇到需要将一组数字进行四舍五入操作，这时候我们就可以使用 NumPy 提供的四舍五入函数来处理了。

函数	描述
around()	四舍五入
round()	舍弃小数位
floor()	向下取整
ceil()	向上取整

numpy.around()

对数组中的数字进行四舍五入

我们来看实例：

import numpy as np a = np.array([1, 2.0, 30.12, 129.567]) # 四舍五入（取整） print(np.around(a)) # 四舍五入（取一位小数） print(np.around(a, decimals=1)) # 四舍五入（取小数点左侧第一位） print(np.around(a, decimals=-1)) # 返回 [ 1. 2. 30. 130.] [ 1. 2. 30.1 129.6] [ 0. 0. 30. 130.]

我们可以通过 decimals 参数来表示舍入的小数位数，默认值为0。 如果为负，整数将四舍五入到小数点左侧的位置。

numpy.round()

对数组中的数字进行若干位的舍弃。

我们来看实例：

import numpy as np a = np.array([1, 2.0, 30.12, 129.567]) # 只舍不入（取整） print(np.around(a)) # 只舍不入（到小数点后一位） print(np.around(a, decimals=1)) # 只舍不入（取小数点左侧第一位） print(np.around(a, decimals=-1)) # 返回 [ 1. 2. 30. 130.] [ 1. 2. 30.1 129.6] [ 0. 0. 30. 130.]

这个函数与 around 函数的区别就是只是舍弃，不做四舍五入。

numpy.floor()

返回小于或者等于指定表达式的最大整数，即向下取整。

我们来看实例：

import numpy as np a = np.array([1, 2.0, 30.12, 129.567]) # 向下取整 print(np.floor(a)) # 返回 [ 1. 2. 30. 129.]

这个函数很好理解，就是舍弃小数位。

numpy.ceil()

返回大于或者等于指定表达式的最小整数，即向上取整。

我们来看实例：

import numpy as np a = np.array([1, 2.0, 30.12, 129.567]) # 向上取整 print(np.ceil(a)) # 返回 [ 1. 2. 31. 130.]

这个函数和上面的 floor 是相反含义的函数，向上取整意思是如果没有小数位或者小数位是0，取当前整数；如果有小数位并且小数位不是0，则取当前数字的整数加1。

NumPy 算术函数

接下来我们来介绍一下 NumPy 的几个常用的算术函数：

函数	描述
add()	两个数组元素相加
multiply()	两个数组元素相乘
divide()	两个数组元素相除
subtract()	两个数组元素相减
pow()	将第一个输入数组中的元素作为底数，计算它与第二个输入数组中相应元素的幂
mod()	计算输入数组中相应元素的相除后的余数

我们先来看看两个数组元素的加减乘除的实例：

import numpy as np a = np.arange(6, dtype=np.float_).reshape(2, 3) print('第一个数组：') print(a) print('第二个数组：') b = np.array([10, 10, 10]) print(b) print('\n') print(np.char.center('两个数组相加', 20, '*')) print(np.add(a, b)) print('\n') print(np.char.center('两个数组相减', 20, '*')) print(np.subtract(a, b)) print('\n') print(np.char.center('两个数组相乘', 20, '*')) print('两个数组相乘：') print(np.multiply(a, b)) print('\n') print(np.char.center('两个数组相除', 20, '*')) print(np.divide(a, b)) print('\n') # 返回 第一个数组： [[0. 1. 2.] [3. 4. 5.]] 第二个数组： [10 10 10] *******两个数组相加******* [[10. 11. 12.] [13. 14. 15.]] *******两个数组相减******* [[-10. -9. -8.] [ -7. -6. -5.]] *******两个数组相乘******* 两个数组相乘： [[ 0. 10. 20.] [30. 40. 50.]] *******两个数组相除******* [[0. 0.1 0.2] [0.3 0.4 0.5]]

在上面例子中，我们先定义了两个数组，第一个数一个二维数组，第二个是一个一维数组，然后对两个数组的元素进行加减乘除操作，返回的是一个二维数组。

这里需要注意的是数组必须具有相同的形状或符合数组广播规则。

numpy.pow

将第一个输入数组中的元素作为底数，计算它与第二个输入数组中相应元素的幂。

我们先来看看实例：

import numpy as np c = np.array([10, 100, 1000]) print('第一个数组是：') print(c) print('\n') print(np.char.center('调用 power 函数', 20, '*')) print(np.power(c, 2)) print('\n') d = np.array([1, 2, 3]) print('第二个数组是：') print(d) print('\n') print(np.char.center('再次调用 power 函数', 20, '*')) print(np.power(c, d)) # 返回 第一个数组是： [ 10 100 1000] ****调用 power 函数***** [ 100 10000 1000000] 第二个数组是： [1 2 3] ***再次调用 power 函数**** [ 10 10000 1000000000]

从例子中我们可以看到，如果第二个参数是数字，就将第一个参数数组中的每个元素作为底数，计算它与第二个参数的幂；如果第二个参数是数组，那就将第一个参数数组中的每个元素作为底数，计算它与第二个数组中元素的幂。

numpy.mod()

计算输入数组中相应元素的相除后的余数。

我们先来看看实例：

import numpy as np e = np.array([10, 20, 30]) f = np.array([3, 5, 7]) print('第一个数组：') print(e) print('\n') print('第二个数组：') print(f) print('\n') print(np.char.center('调用 mod 函数', 20, '*')) print(np.mod(e, f)) # 返回 第一个数组： [10 20 30] 第二个数组： [3 5 7] *****调用 mod 函数****** [1 0 2]

这里也需要注意数组必须具有相同的形状或符合数组广播规则。

总结

本文向大家介绍了 NumPy 的数学函数，包括三角函数、四舍五入函数和算术函数。这些函数在一些数据分析中比较常见，运用得好会使你事半功倍。