numpy的計算函式

1、numpy的計算函式

1.1向上取整數，並且保持資料型別不改變

s1 = np.random.uniform(-5,10,(3,4))

s2 = np.ceil(s1)
print(s1)
print(s2)
[[ 1.52683003 2.16948357 -0.13557762 7.95861719]
[-2.43778636 -1.14249496 1.07852389 5.65419871]
[ 0.85066131 2.53125227 9.08235773 9.52160564]]
[[ 2. 3. -0. 8.]
[-2. -1. 2. 6.]
[ 1. 3. 10. 10.]]

s3=np.floor(s1)

print(s3) 
[[ 1. 2. -1. 7.]
[-3. -2. 1. 5.]
[ 0. 2. 9. 9.]]

s4 = np.rint(s1)

print(s4)
結果：[[ 2. 2. -0. 8.]
[-2. -1. 1. 6.]
[ 1. 3. 9. 10.]]

平方根 np.square()

平方 np.sqrt()

1.5陣列的小數分離

print(np.modf(s1)[0])   取小數部分

print(np.modf(s1)[1]) 取整數部分
print(s1)

s3 = np.isnan(s1)

print(s3)
結果是：
[[false false false false]
[false false false false]
[false false false false]]

numpy的矩陣計算

給乙個向量a 0,1,2 每個元素乘以2 a for e in a 或者a 2 e for e in a 或者a np.array 2 e for e in a 這個比較快 如果是numpy的array 直接2 a就可以了這個最快 universal functions 1，1都可以 np.abs ...

numpy的矩陣計算

arr1 np.arange 1,6 arr2 np.array 10 20,30 40,50 print arr1 print arr2 print arr1 arr2 展示 12 345 102030 4050 1122 334455 注意點 1 一維陣列的元素個數是相同的，不然無法完成廣播 2...

numpy的函式講解

邊學邊記 1 numpy對矩陣的處理很強大，少用list，多使用array np.array x 將輸入資料轉化為乙個型別為type的ndarray np.asarray array 將輸入資料轉化為乙個新的ndarray np.array 與np.asarray 區別 當資料來源是ndarray時...