Numpy库:常用函数

NumPy是一个用于Python的库,提供大量的函数和工具,用于处理大型多维数组和矩阵,以及进行相关的数学运算。

常用函数

numpy数组创建

  • numpy.array(): 创建一个数组。
  • numpy.zeros(): 创建一个所有元素都为0的数组。
  • numpy.ones(): 创建一个所有元素都为1的数组。
  • numpy.eye(): 创建一个单位矩阵。
  • numpy.identity(): 创建一个方阵,对角线上的元素为1,其余元素为0。

数组操作

  • numpy.sum(): 求和。
  • numpy.mean(): 计算平均值。
  • numpy.max(): 找出最大值。
  • numpy.min(): 找出最小值。
  • numpy.std(): 计算标准差。
  • numpy.var(): 计算方差。
  • numpy.shape(): 获取数组的形状。
  1. 线性代数

    • numpy.linalg.inv(): 计算矩阵的逆。
    • numpy.linalg.det(): 计算矩阵的行列式。
    • numpy.linalg.eig(): 计算特征值和特征向量。

数学函数

  • numpy.sin(), numpy.cos(), numpy.tan(): 三角函数。
  • numpy.exp(), numpy.log(): 指数和对数函数。
  • numpy.sqrt(): 开平方根。

数组排序和搜索

  • numpy.sort(): 对数组进行排序。
  • numpy.argsort(): 返回排序后的索引。
  • numpy.where(): 返回满足条件的元素的索引。

文件读写

numpy.load(), numpy.save(): 用于读写二进制文件。
7.

随机数生成

  • numpy.random.rand(): 生成0到1之间的随机数。
  • numpy.random.randint(): 生成指定范围内的随机整数。

线性代数操作

  • numpy.dot(): 点乘(矩阵乘法)。
  • numpy.cross(): 叉乘(向量乘法)。
  1. 广播

    广播是一种强大的机制,允许在执行算术运算时对不同形状的数组进行操作。例如,你可以将一个形状为(3,)的一维数组与一个形状为(3,3)的二维数组进行算术运算,而不需要改变任何数组的形状或大小。这种机制在NumPy中非常常见,并允许你以简洁、高效的方式处理复杂的数学运算。

示例

python 复制代码
# 导入NumPy库
import numpy as np

# 创建一个数组
arr = np.array([1, 2, 3, 4, 5])
print(arr)

# 创建一个所有元素都为0的数组
zeros_arr = np.zeros(5)
print(zeros_arr)

# 创建一个所有元素都为1的数组
ones_arr = np.ones(5)
print(ones_arr)

# 创建一个单位矩阵
eye_arr = np.eye(3)
print(eye_arr)

# 创建一个方阵,对角线上的元素为1,其余元素为0
identity_arr = np.identity(3)
print(identity_arr)

# 求和
sum_arr = np.sum(arr)
print(sum_arr)

# 计算平均值
mean_arr = np.mean(arr)
print(mean_arr)

# 找出最大值
max_arr = np.max(arr)
print(max_arr)

# 找出最小值
min_arr = np.min(arr)
print(min_arr)

# 计算标准差
std_arr = np.std(arr)
print(std_arr)

# 计算方差
var_arr = np.var(arr)
print(var_arr)

# 获取数组的形状
shape_arr = np.shape(arr)
print(shape_arr)

# 计算矩阵的逆
inv_arr = np.linalg.inv(eye_arr)
print(inv_arr)

# 计算矩阵的行列式
det_arr = np.linalg.det(eye_arr)
print(det_arr)

# 计算特征值和特征向量
eig_arr = np.linalg.eig(eye_arr)
print(eig_arr)

# 三角函数
sin_arr = np.sin(arr)
print(sin_arr)

cos_arr = np.cos(arr)
print(cos_arr)

tan_arr = np.tan(arr)
print(tan_arr)

# 指数和对数函数
exp_arr = np.exp(arr)
print(exp_arr)

log_arr = np.log(arr)
print(log_arr)

# 开平方根
sqrt_arr = np.sqrt(arr)
print(sqrt_arr)

# 对数组进行排序
sort_arr = np.sort(arr)
print(sort_arr)

# 返回排序后的索引
argsort_arr = np.argsort(arr)
print(argsort_arr)

# 返回满足条件的元素的索引
where_arr = np.where(arr > 2)
print(where_arr)

# 读写二进制文件
np.save('data.npy', arr)
loaded_arr = np.load('data.npy')
print(loaded_arr)

# 生成0到1之间的随机数
rand_arr = np.random.rand(5)
print(rand_arr)

# 生成指定范围内的随机整数
randint_arr = np.random.randint(1, 10, size=5)
print(randint_arr)

# 点乘(矩阵乘法)
dot_arr = np.dot(eye_arr, eye_arr)
print(dot_arr)

# 叉乘(向量乘法)
cross_arr = np.cross(eye_arr, eye_arr)
print(cross_arr)

# 广播(Broadcasting)
broadcast_arr = np.add(eye_arr, ones_arr)
print(broadcast_arr)
相关推荐
机器之心6 分钟前
高阶程序,让AI从技术可行到商业可信的最后一公里
人工智能·openai
martinzh9 分钟前
解锁RAG高阶密码:自适应、多模态、个性化技术深度剖析
人工智能
机器之心14 分钟前
刚刚,李飞飞空间智能新成果震撼问世!3D世界生成进入「无限探索」时代
人工智能·openai
scilwb24 分钟前
Isaac Sim机械臂教程 - 阶段1:基础环境搭建与机械臂加载
人工智能·开源
舒一笑42 分钟前
TorchV企业级AI知识引擎的三大功能支柱:从构建到运营的技术解析
人工智能
掘金酱44 分钟前
🎉 2025年8月金石计划开奖公示
前端·人工智能·后端
鹏多多2 小时前
纯前端人脸识别利器:face-api.js手把手深入解析教学
前端·javascript·人工智能
aneasystone本尊2 小时前
盘点 Chat2Graph 中的专家和工具
人工智能
Baihai_IDP2 小时前
AI Agents 能自己开发工具自己使用吗?一项智能体自迭代能力研究
人工智能·面试·llm
大模型真好玩3 小时前
大模型工程面试经典(七)—如何评估大模型微调效果?
人工智能·面试·deepseek