在了解了 Numpy 的基本运算操作,下面来看下 Numpy常用的函数。
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]])
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。