Numpy常用API------常用函式
阿新 • • 發佈：2018-12-19
數學函式
| 方法 | 例項 |
|---|---|
| np.sin() np.cos() np.tan() |
a = np.array([0,30,45,60,90]) np.sin(a) np.arcsin(a) |
| np.around(arr, decimals) a 陣列 decimals 舍入小數位數 預設為0 負數時四捨五入到小數點左側的位置 |
a = np.array([1.0, 5.55, 123, 0.567, 25.523]) np.around(a) np.around(a,decimals=1) np.around(a,decimals=-1) output: [1, 6., 123., 26.] [1., 5.6, 123., 25.5] [0., 10., 120., 0., 30.] |
| np.floor() 返回下舍之後整數 |
np.array([-1.7, 1.5, -0.2, 0.6, 10]) output : [-2. 1. -1. 0. 10.] |
| numpy.ceil() 返回數字的上入整數 |
np.array([-1.7, 1.5, -0.2, 0.6, 10]) output: [-1. 2. -0. 1. 10.] |
算術函式
| 方法 | 例項 |
|---|---|
| np.add(a,b)—加 | – |
| np.subtract(a,b)—減 | – |
| np.multiply(a,b)—乘 | – |
| np.divide(a,b)—除 | – |
| numpy.reciprocal() 返回引數逐元素的倒數 |
np.array([0.25, 1.33, 1, 100]) np.reciprocal(a) output : [4. 0.7518797 1. 0.01 ] |
| numpy.power() 將第一個輸入陣列中的元素作為底數，計算它與第二個輸入陣列中相應元素的冪 |
np.array([10,100,1000]) np.power(a,2) output : [ 100 10000 1000000] |
| numpy.mod() numpy.remainder() 計算輸入陣列中相應元素的相除後的餘數 |
a = np.array([10,20,30]) b = np.array([3,5,7]) np.mod(a,b) np.remainder(a,b) output : [1 0 2] |
統計函式
| 方法 | 例項 |
|---|---|
| numpy.amin() 用於計算陣列中的元素沿指定軸的最小值。 numpy.amax() 用於計算陣列中的元素沿指定軸的最大值。 |
a = np.array([[3,7,5],[8,4,3],[2,4,9]]) np.amin(a,1) output : [3,3,2] np.amin(a,0) output : [2,4,3] np.amax() output : 9 np.amax(a,axis=0) output: [8, 7, 9] |
| numpy.ptp() 計算陣列中元素最大值與最小值的差（最大值 - 最小值） |
np.array([[3,7,5],[8,4,3],[2,4,9]]) np.ptp(a) output: 7 np.ptp(a, axis = 1) output :[4 5 7] np.ptp(a, axis = 0) output: [6 3 6] |
| numpy.percentile(a, q, axis) 百分位數是統計中使用的度量，表示小於這個值的觀察值的百分比 a: 輸入陣列 q: 要計算的百分位數，在 0 ~ 100 之間 axis: 沿著它計算百分位數的軸 |
np.array([[10, 7, 4], [3, 2, 1]]) np.percentile(a, 50) output : 3.5 np.percentile(a, 50, axis=0) output: [6.5 4.5 2.5] np.percentile(a, 50, axis=1) output : [7. 2.] np.percentile(a, 50, axis=1, keepdims=True) (保持維度不變) output: [[7.] [2.]] |
| numpy.median() 計算陣列 a 中元素的中位數 |
np.array([[30,65,70],[80,95,10],[50,90,60]]) np.median(a) output: 65.0 np.median(a, axis = 0) output : [50. 90. 60.] np.median(a, axis = 1) output : [65. 80. 60.] |
| numpy.mean() 返回陣列中元素的算術平均值 |
np.array([[1,2,3],[3,4,5],[4,5,6]]) np.mean(a) output: 3.6666666666666665 np.mean(a, axis = 0) output :[2.66666667 3.66666667 4.66666667] np.mean(a, axis = 1) output: [2. 4. 5.] |
| numpy.average() 據在另一個數組中給出的各自的權重計算陣列中元素的加權平均值 |
– |
| np.std() 標準差 |
– |
| -np.var() 方差 |
– |