|
4 9 16]
数组中的三角函数计算
直接上例子：
import numpy as np
a = np.array([1, 2, 3, 4])
print("a=", a)
b = np.sin(a)
print("b = sin(a)=", b)
输出为：
a= [1 2 3 4]
b = sin(a)= [ 0.84147098 0.90929743 0.14112001 -0.7568025 ]
看到这里，我们大体也能知道numpy中数组的运算方式大体都是对数组中的每个元素进行相同的数学运算，从而达到批量处理的效果。
数组同数值比较
直接上例子：
import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(a<3)
输出为：
[ True True False False False]
其运算结果相当于把数组中每个元素同相应的数进行比较，结果数组中的元素就返回True或False。
生成随机数
import numpy as np
a = np.random.random((3, 2))
print(a)
b = np.random.rand(3, 2)
print(b)
输出0-1之间的随机数：
[[ 0.55981126 0.39507502]
[ 0.49826522 0.64111042]
[ 0.25806207 0.78056224]]
[[ 0.36580962 0.48456239]
[ 0.55941715 0.5660371 ]
[ 0.13974611 0.97547935]]
矩阵求和、最小、最大值
import numpy as np
a = np.array([1, 2, 3, 4, 5])
print("a=", a)
print("sum=", np.sum(a))
print("min=", np.min(a))
print("max=", np.max(a))
输出结果：
a= [1 2 3 4 5]
sum= 15
min= 1
max= 5
对于二维矩阵，我们也可以通过制定求和的轴来指定到底是按行求和还是按列求和。
其中axis=0为按列求和，axis=1为按行求和。例如：
import numpy as np
a = np.array([[5, 10, 15],
[20, 25, 30]])
print("a=")
print(a)
# 列求和
print("axis=0(列求和):", a.sum(axis=0))
# 行求和
print("axis=1(行求和):", a.sum(axis=1))
输出结果：
a=
[[ 5 10 15]
[20 25 30]]
axis=0(列求和): [25 35 45]
axis=1(行求和): [30 75]
对于求最小值和最大值也有同样的axis参数，表示到底是在行中求最小(大)值还是列中求最小(大)值。
|