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
崔高杰6 分钟前
On the Biology of a Large Language Model——Claude团队的模型理解文章【论文阅读笔记】其二——数学计算部分
论文阅读·人工智能·笔记·语言模型·nlp
有Li8 分钟前
基于强化学习的用于非刚性图像配准的引导式超声采集|文献速递-深度学习医疗AI最新文献
人工智能
每天都要写算法(努力版)9 分钟前
【神经网络与深度学习】两种加载 pickle 文件方式(joblib、pickle)的差异
人工智能·深度学习·神经网络
制冷男孩12 分钟前
机器学习算法-支持向量机SVM
人工智能·算法·机器学习·支持向量机
结冰架构18 分钟前
人工智能大语言模型与AI芯片新进展:技术演进与商业化路径
人工智能·ai·语言模型·自然语言处理·技术
晨曦54321020 分钟前
Numpy数组与矩阵——python学习
python·矩阵·numpy
小研学术37 分钟前
如何开展有组织的AI素养教育?
大数据·人工智能·ai·大模型·deepseek·ai素养
中杯可乐多加冰39 分钟前
CloudFront VPC Origins 实践流程深入解析 —— 安全高效架构的实战之道
人工智能·掘金·金石计划
Francek Chen44 分钟前
【现代深度学习技术】循环神经网络07:通过时间反向传播
人工智能·pytorch·rnn·深度学习·神经网络·bptt
ai问道武曲1 小时前
ai环境conda带torch整体迁移。
人工智能·pytorch·ai·conda