日常记录
Pandas 基本操作
numpy基本函数
numpy线性代数
ray 的使用
chisel
正向代理与反向代理
HTTPS 协议
Jupyter 配置
Python vscode配置
本文档使用 MrDoc 发布
-
+
首页
numpy基本函数
### 1. 基本函数 ``` np.ndim:维度 np.shape:各维度的尺度 (2,5) np.size:元素的个数 10 np.dtype:元素的类型 dtype(‘int32’) np.itemsize:每个元素的大小,以字节为单位 ,每个元素占4个字节 np.ndarray():数组的创建 np.arange(n): 元素从0到n-1的ndarray类型 np.ones(shape): 生成全1 np.zeros((shape), ddtype = np.int32) : 生成int32型的全0 np.full(shape, val): 生成全为val np.eye(n) : 生成单位矩阵 np.ones_like(a): 按数组a的形状生成全1的数组 np.zeros_like(a): 按数组a的形状生成全0的数组 np.full_like (a, val): 按数组a的形状生成值全为val的数组 np.linspace(1,10,4): 根据起止数据等间距地生成数组 np.linspace(1,10,4, endpoint = False):endpoint 表示10是否作为生成的元素 np.concatenate(): ``` ### 2. 数组的运算 ``` np.abs(a) np.fabs(a) : 取各元素的绝对值 np.sqrt(a): 计算各元素的平方根 np.square(a): 计算各元素的平方 np.log(a) np.log10(a) np.log2(a): 计算各元素的自然对数、10、2为底的对数 np.ceil(a) np.floor(a): 计算各元素的ceiling 值, floor值(ceiling向上取整,floor向下取整) np.rint(a): 各元素 四舍五入 np.modf(a): 将数组各元素的小数和整数部分以两个独立数组形式返回 np.exp(a): 计算各元素的指数值 np.sign(a): 计算各元素的符号值 1(+),0,-1(-) np.dot(a, b):向量点积或矩阵乘法 np.maximum(a, b) np.fmax(): 比较(或者计算)元素级的最大值 np.minimum(a, b) np.fmin(): 取最小值 np.mod(a, b): 元素级的模运算 np.copysign(a, b): 将b中各元素的符号赋值给数组a的对应元素 ```
gaojian
2022年8月25日 09:55
分享文档
收藏文档
上一篇
下一篇
微信扫一扫
复制链接
手机扫一扫进行分享
复制链接
关于 MrDoc
觅思文档MrDoc
是
州的先生
开发并开源的在线文档系统,其适合作为个人和小型团队的云笔记、文档和知识库管理工具。
如果觅思文档给你或你的团队带来了帮助,欢迎对作者进行一些打赏捐助,这将有力支持作者持续投入精力更新和维护觅思文档,感谢你的捐助!
>>>捐助鸣谢列表
微信
支付宝
QQ
PayPal
Markdown文件
分享
链接
类型
密码
更新密码