NumPy 双曲函数与集合操作详解

NumPy 双曲函数

NumPy 提供了 sinh()cosh()tanh() 等 ufunc,它们接受弧度值并生成相应的双曲正弦、双曲余弦和双曲正切值。

示例:

python 复制代码
import numpy as np

x = np.sinh(np.pi/2)

print(x)

示例

找到数组 arr 中所有值的双曲余弦值:

python 复制代码
import numpy as np

arr = np.array([np.pi/2, np.pi/3, np.pi/4, np.pi/5])

x = np.cosh(arr)

print(x)

查找角度

从双曲正弦、双曲余弦、双曲正切值查找角度。例如,sinh、cosh 和 tanh 的反函数(arcsinh、arccosh、arctanh)。

NumPy 提供了 arcsinh()arccosh()arctanh() 等 ufunc,它们给出相应 sinh、cosh 和 tanh 值的弧度值。

示例

找到 1.0 的角度:

python 复制代码
import numpy as np

x = np.arcsinh(1.0)

print(x)

数组中每个值的角度

示例

找到数组中所有 tanh 值的角度:

python 复制代码
import numpy as np

arr = np.array([0.1, 0.2, 0.5])

x = np.arctanh(arr)

print(x)

NumPy 集合操作

什么是集合

在数学中,集合是一组唯一元素的集合。

集合用于频繁进行交集、并集和差集运算。

在 NumPy 中创建集合

我们可以使用 NumPy 的 unique() 方法从任何数组中找到唯一元素。例如,创建一个集合数组,但请记住,集合数组应该只是一维数组。

示例

将以下包含重复元素的数组转换为集合:

python 复制代码
import numpy as np

arr = np.array([1, 1, 1, 2, 3, 4, 5, 5, 6, 7])

x = np.unique(arr)

print(x)

查找并集

要找到两个数组的唯一值,请使用 union1d() 方法。

示例

找到以下两个集合数组的并集:

python 复制代码
import numpy as np

arr1 = np.array([1, 2, 3, 4])
arr2 = np.array([3, 4, 5, 6])

newarr = np.union1d(arr1, arr2)

print(newarr)

查找交集

要找到仅在两个数组中都存在的值,请使用 intersect1d() 方法。

示例

找到以下两个集合数组的交集:

python 复制代码
import numpy as np

arr1 = np.array([1, 2, 3, 4])
arr2 = np.array([3, 4, 5, 6])

newarr = np.intersect1d(arr1, arr2, assume_unique=True)

print(newarr)

注意: intersect1d() 方法接受一个可选参数 assume_unique,如果设置为 True,则可以加快计算速度。在处理集合时应始终将其设置为 True。

查找差集

要找到第一个集合中存在但第二个集合中不存在的值,请使用 setdiff1d() 方法。

示例

找到 set2 中不存在的 set1 的差集:

python 复制代码
import numpy as np

set1 = np.array([1, 2, 3, 4])
set2 = np.array([3, 4, 5, 6])

newarr = np.setdiff1d(set1, set2, assume_unique=True)

print(newarr)

注意: setdiff1d() 方法接受一个可选参数 assume_unique,如果设置为 True,则可以加快计算速度。在处理集合时应始终将其设置为 True。

查找对称差

要找到两个集合中都不存在的值,请使用 setxor1d() 方法。

示例

找到 set1 和 set2 的对称差:

python 复制代码
import numpy as np

set1 = np.array([1, 2, 3, 4])
set2 = np.array([3, 4, 5, 6])

newarr = np.setxor1d(set1, set2, assume_unique=True)

print(newarr)

注意: setxor1d() 方法接受一个可选参数 assume_unique,如果设置为 True,则可以加快计算速度。在处理集合时应始终将其设置为 True。

最后

为了方便其他设备和平台的小伙伴观看往期文章:

微信公众号搜索:Let us Coding,关注后即可获取最新文章推送

看完如果觉得有帮助,欢迎点赞、收藏、关注

相关推荐
用户27784491049933 小时前
借助DeepSeek智能生成测试用例:从提示词到Excel表格的全流程实践
人工智能·python
JavaEdge在掘金5 小时前
ssl.SSLCertVerificationError报错解决方案
python
我不会编程5556 小时前
Python Cookbook-5.1 对字典排序
开发语言·数据结构·python
老歌老听老掉牙6 小时前
平面旋转与交线投影夹角计算
python·线性代数·平面·sympy
满怀10156 小时前
Python入门(7):模块
python
无名之逆6 小时前
Rust 开发提效神器:lombok-macros 宏库
服务器·开发语言·前端·数据库·后端·python·rust
你觉得2056 小时前
哈尔滨工业大学DeepSeek公开课:探索大模型原理、技术与应用从GPT到DeepSeek|附视频与讲义下载方法
大数据·人工智能·python·gpt·学习·机器学习·aigc
cg50176 小时前
Spring Boot 的配置文件
java·linux·spring boot
啊喜拔牙7 小时前
1. hadoop 集群的常用命令
java·大数据·开发语言·python·scala
暮云星影7 小时前
三、FFmpeg学习笔记
linux·ffmpeg