Unary ufuncs
| 函数 | 描述 | 用法 |
|---|---|---|
| abs fabs |
计算 整型/浮点/复数 的绝对值 对于没有复数的快速版本求绝对值 |
np.abs() np.fabs() |
| sqrt | 计算元素的平方根。等价于array ** 0.5 | np.sqrt() |
| square | 计算元素的平方。等价于 array **2 | np.squart() |
| exp | 计算以自然常数e为底的幂次方 | np.exp() |
| log log10 log2 log1p |
自然对数(e) 基于10的对数 基于2的对数 基于log(1+x)的对数 |
np.log() np.log10() np.log2() np.log1p() |
| sign | 计算元素的符号：1：正数 0：0 -1：负数 | np.sign() |
| ceil | 计算大于或等于元素的最小整数 | np.ceil() |
| floor | 计算小于或等于元素的最大整数 | np.floor() |
| rint | 对浮点数取整到最近的整数，但不改变浮点数类型 | np.rint() |
| modf | 分别返回浮点数的整数和小数部分的数组 | np.modf() |
| isnan | 返回布尔数组标识哪些元素是 NaN （不是一个数） | np.isnan() |
| isfinite isinf |
返回布尔数组标识哪些元素是有限的（non-inf, non-NaN）或无限的 | np.isfiniter() np.isinf() |
| cos, cosh, sin sinh, tan, tanh | 三角函数 | |
| arccos, arccosh, arcsin, arcsinh, arctan, arctanh | 反三角函数 | |
| logical_and/or/not/xor | 逻辑与/或/非/异或 等价于 ‘&’ ‘|’ ‘!’ ‘^’ | 测试见下方 |
Binary universal funcitons
| 函数 | 描述 | 用法 |
|---|---|---|
| add | 数组对应元素相加 | np.add(A,B) |
| substract | 数组对应元素相减 | np.substract(A,B) |
| dot multiply * |
数组和矩阵对应位置相乘，输出与相乘数组/矩阵的大小一致 矩阵对应位置相乘 对数组执行对应位置相乘，对矩阵执行矩阵乘法运算 |
详见https://blog.csdn.net/zenghaitao0128/article/details/78715140 |
| divide=/ true_divide floor_divide=// |
数组对应元素相除 地板除 |
详见：http://www.mamicode.com/info-detail-1794242.html |
| mod remainder fmod |
模运算 | 同上详见 |
| power | 使用第二个数组作为指数提升第一个数组中的元素 | np.power(A,B) |
| maximum | 两数组对应元素比大小取其大者，返回一个数组 | np.maximum:(X,Y,out=None) |
| minimun | 两数组对应元素比大小取其小者 | |
| copysign | 将第二个数组中各元素的符号赋值给第一个数组的对应元素 | |
| greater greater_equal less less_equal equal not_equal |
基于元素的比较，产生布尔数组。等价于中缀操作符 > >= < <= == != |
测试见https://docs.scipy.org/doc/numpy/reference/generated/numpy.greater.html |
# 逻辑与
>>> np.logical_and(True, False)
False
>>> np.logical_and([True, False], [False, False])
array([False, False], dtype=bool)
>>> x = np.arange(5)
>>> np.logical_and(x>1, x<4)
array([False, False, True, True, False], dtype=bool)
# 逻辑或
>>> np.logical_or(True, False)
True
>>> np.logical_or([True, False], [False, False])
array([ True, False], dtype=bool)
>>> x = np.arange(5)
>>> np.logical_or(x < 1, x > 3)
array([ True, False, False, False, True], dtype=bool)
# 逻辑非
>>> np.logical_not(3)
False
>>> np.logical_not([True, False, 0, 1])
array([False, True, True, False], dtype=bool)
>>> x = np.arange(5)
>>> np.logical_not(x<3)
array([False, False, False, True, True], dtype=bool)
# 逻辑异或
>>> np.logical_xor(True, False)
True
>>> np.logical_xor([True, True, False, False], [True, False, True, False])
array([False, True, True, False], dtype=bool)
>>> x = np.arange(5)
>>> np.logical_xor(x < 1, x > 3)
array([ True, False, False, False, True], dtype=bool)
>>> np.logical_xor(0, np.eye(2))
array([[ True, False],
[False, True]], dtype=bool)