NumPy 数学函数
2019-02-24 10:26:23
•
阅读
打赏
NumPy 包含大量的各种数学运算的函数,包括三角函数,算术运算的函数,复数处理函数等。
三角函数
NumPy 拥有标准的三角函数,它为弧度制单位的给定角度返回三角函数比值。
NumPy 提供了标准的三角函数:sin()、cos()、tan()。
import numpy as np
a = np.array([0, 30, 45, 60, 90])
# 不同角度的正弦值
# 通过乘 pi/180 转化为弧度
print(np.sin(a * np.pi / 180))
# [0. 0.5 0.70710678 0.8660254 1. ]
# 数组中角度的余弦值
print(np.cos(a * np.pi / 180))
# [1.00000000e+00 8.66025404e-01 7.07106781e-01 5.00000000e-01 6.12323400e-17]
# 数组中角度的正切值
print(np.tan(a * np.pi / 180))
# [0.00000000e+00 5.77350269e-01 1.00000000e+00 1.73205081e+00 1.63312394e+16]
arcsin,arccos,和 arctan 函数返回给定角度的 sin,cos 和 tan 的反三角函数。
import numpy as np
a = np.array([0, 30, 45, 60, 90])
# 含有正弦值的数组
sin = np.sin(a * np.pi / 180)
print(sin) # [0. 0.5 0.70710678 0.8660254 1. ]
# 计算角度的反正弦,返回值以弧度为单位
inv = np.arcsin(sin)
print(inv) # [0. 0.52359878 0.78539816 1.04719755 1.57079633]
# 通过转化为角度制来检查结果
print(np.degrees(inv)) # [ 0. 30. 45. 60. 90.]
# arccos 和 arctan 函数
cos = np.cos(a * np.pi / 180)
print(cos)
# [1.00000000e+00 8.66025404e-01 7.07106781e-01 5.00000000e-01
# 6.12323400e-17]
# 反余弦
inv = np.arccos(cos)
print(inv) # [0. 0.52359878 0.78539816 1.04719755 1.57079633]
# 角度制单位
print(np.degrees(inv)) # [ 0. 30. 45. 60. 90.]
# tan 函数
tan = np.tan(a * np.pi / 180)
print(tan)
# [0.00000000e+00 5.77350269e-01 1.00000000e+00 1.73205081e+00
# 1.63312394e+16]
# 反正切
inv = np.arctan(tan)
print(inv) # [0. 0.52359878 0.78539816 1.04719755 1.57079633]
# 角度制单位
print(np.degrees(inv)) # [ 0. 30. 45. 60. 90.]
这些函数的结果可以通过 numpy.degrees() 函数将弧度转换为角度来验证。
舍入函数
numpy.around() 函数返回指定数字的四舍五入值。
函数定义:numpy.around(a,decimals)
参数说明:
- a: 输入数组
- decimals: 舍入的小数位数。 默认值为0。 如果为负,整数将四舍五入到小数点左侧的位置
import numpy as np
a = np.array([1.0, 5.55, 123, 0.567, 25.532])
print(a) # [ 1. 5.55 123. 0.567 25.532]
print(np.around(a)) # [ 1. 6. 123. 1. 26.]
print(np.around(a, decimals=1)) # [ 1. 5.6 123. 0.6 25.5]
print(np.around(a, decimals=-1)) # [ 0. 10. 120. 0. 30.]
numpy.floor() 返回数字的下舍整数。
此函数返回不大于输入参数的最大整数。 即标量x 的下限是最大的整数i ,使得i <= x。 注意在Python中,向下取整总是从 0 舍入
import numpy as np
a = np.array([-1.7, 1.5, -0.2, 0.6, 10])
print(a) # [-1.7 1.5 -0.2 0.6 10. ]
print(np.floor(a)) # [-2. 1. -1. 0. 10.]
numpy.ceil() 返回数字的上入整数。
函数返回输入值的上限,即,标量x的上限是最小的整数i ,使得i> = x。
import numpy as np
a = np.array([-1.7, 1.5, -0.2, 0.6, 10])
print(a) # [-1.7 1.5 -0.2 0.6 10. ]
print(np.ceil(a)) # [-1. 2. -0. 1. 10.]

相关推荐
深度学习 -- 损失函数
深度残差网络(Deep Residual Networks (ResNets))
深度学习 -- 激活函数
神经网络训练 -- 调整学习速率
生成对抗网络(GAN)改进与发展
生成对抗网络(GAN)优点与缺点
生成对抗网络(GAN)的训练
生成对抗网络(GAN)基本原理
生成模型与判别模型