一.数组的运算

数组的运算能够开展乘除法,另外也可以将这种算数运算符开展随意的组成已达到效果。

>>> x=np.arange(5)
>>> x
array([0, 1, 2, 3, 4])
>>> x=5
>>> x=np.arange(5)
>>> x 5
array([5, 6, 7, 8, 9])
>>> x-5
array([-5, -4, -3, -2, -1])
>>> x*2
array([0, 2, 4, 6, 8])
>>> x/2
array([0. , 0.5, 1. , 1.5, 2. ])
>>> x//2
array([0, 0, 1, 1, 2], dtype=int32)

二.平方根的运算

一共有三种方式,第一种方式是立即运用并不是NumPy库的abs函数开展测算,第二种和第三种方式则是运用numpy库的abs函数和absolute涵数开展运算。以下所显示:

>>> x=np.array([1,2,3,-4,-5,-6])
>>> x
array([ 1,  2,  3, -4, -5, -6])
>>> abs(x)
array([1, 2, 3, 4, 5, 6])
>>> np.abs(x)
array([1, 2, 3, 4, 5, 6])
>>> np.absolute(x)
array([1, 2, 3, 4, 5, 6])

三.三角函数的运算

最先界定一个a的np之中的array目标,随后再开展运算:

>>> a
array([0.        , 1.57079633, 3.14159265])
>>> np.sin(a)
array([0.0000000e 00, 1.0000000e 00, 1.2246468e-16])
>>> np.cos(a)
array([ 1.000000e 00,  6.123234e-17, -1.000000e 00])
>>> np.tan(a)
array([ 0.00000000e 00,  1.63312394e 16, -1.22464680e-16])

四.指数值和多数的运算

指数值的运算:

>>> x=[1,2,3]
>>> x
[1, 2, 3]
>>> np.exp(x)
array([ 2.71828183,  7.3890561 , 20.08553692])
>>> np.exp2(x)
array([2., 4., 8.])
np.power(3,x)
array([ 3,  9, 27], dtype=int32)

多数的运算:

>>> np.log(x)
array([0.        , 0.69314718, 1.09861229])
>>> np.log2(x)
array([0.       , 1.       , 1.5849625])
>>> x
[1, 2, 3]
>>> np.log10(x)
array([0.        , 0.30103   , 0.47712125])
文章来源于网络,如有侵权请联系站长QQ61910465删除
本文版权归去快排wWw.seogUrublog.com 所有,如有转发请注明来出,竞价开户托管,seo优化请联系qq❉61910465