Numpy 修炼之道（8）—— 常用函数

在了解了 Numpy 的基本运算操作，下面来看下 Numpy常用的函数。

数学运算函数

按元素添加参数，等效于 x1 + x2

>>> x = np.random.randint(4, size=6).reshape(2,3)
>>> x
array([[2, 0, 3],
       [2, 3, 3]])
>>> y = np.random.randint(4, size=6).reshape(2,3)
>>> y
array([[1, 3, 1],
       [1, 1, 0]])
>>>
>>> x + y
array([[3, 3, 4],
       [3, 4, 3]])
>>> np.add(x, y)
array([[3, 3, 4],
       [3, 4, 3]])
>>> np.square(x)
array([[4, 0, 9],
       [4, 9, 9]])
>>> np.log1p(x)
array([[ 1.09861229,  0.        ,  1.38629436],
       [ 1.09861229,  1.38629436,  1.38629436]])

规约函数

下面所有的函数都支持axis来指定不同的轴，用法都是类似的。

ndarray.sum（[axis，dtype，out，keepdims]）	返回给定轴上的数组元素的总和。
ndarray.cumsum（[axis，dtype，out]）	返回沿给定轴的元素的累积和。
ndarray.mean（[axis，dtype，out，keepdims]）	返回沿给定轴的数组元素的平均值。
ndarray.var（[axis，dtype，out，ddof，keepdims]）	沿给定轴返回数组元素的方差。
ndarray.std（[axis，dtype，out，ddof，keepdims]）	返回给定轴上的数组元素的标准偏差。
ndarray.argmax（[axis，out]）	沿着给定轴的最大值的返回索引。
ndarray.min（[axis，out，keepdims]）	沿给定轴返回最小值。
ndarray.argmin（[axis，out]）	沿着给定轴的最小值的返回索引。

>>> x = np.random.randint(10, size=6).reshape(2,3)
>>> x
array([[3, 7, 0],
       [7, 1, 3]])
>>> np.sum(x)
21
>>> np.sum(x, axis=0)
array([10,  8,  3])
>>> np.sum(x, axis=1)
array([10, 11])
>>> np.argmax(x)
1
>>> np.argmax(x, axis=0)
array([1, 0, 1], dtype=int64)
>>> np.argmax(x, axis=1)
array([1, 0], dtype=int64)

作者：无邪，个人博客：脑洞大开，专注于机器学习研究。

Numpy 修炼之道 （8）—— 常用函数

数学运算函数

规约函数

Numpy 修炼之道（8）—— 常用函数