通用函数:快速的逐元素数组函数

通用函数(ufunc),是一种在 ndarray 数据中进行逐元素操作的函数。

一元通用函数

In [1]: import numpy as np

In [2]: arr = np.arange(10)

In [3]: arr
Out[3]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

In [4]: np.sqrt(arr)
Out[4]:
array([0.        , 1.        , 1.41421356, 1.73205081, 2.        ,
       2.23606798, 2.44948974, 2.64575131, 2.82842712, 3.        ])

In [5]: np.exp(arr)
Out[5]:
array([1.00000000e+00, 2.71828183e+00, 7.38905610e+00, 2.00855369e+01,
       5.45981500e+01, 1.48413159e+02, 4.03428793e+02, 1.09663316e+03,
       2.98095799e+03, 8.10308393e+03])

In [6]:

二元通用函数

In [6]: x = np.random.randn(8)

In [7]: y = np.randoom.randn(8)
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-7-2458dd362115> in <module>
----> 1 y = np.randoom.randn(8)

AttributeError: module 'numpy' has no attribute 'randoom'

In [8]: y = np.random.randn(8)

In [9]: x
Out[9]:
array([-2.18256212, -0.08144067, -0.08418644, -0.01270041, -0.78696876,
       -0.46798034, -0.22818082, -0.69275325])

In [10]: y
Out[10]:
array([ 0.69679623,  1.73440592,  0.96581309, -0.12895321, -1.30429304,
        1.23067988,  0.45521522,  0.60378768])

In [11]: np.maximum(x, y)
Out[11]:
array([ 0.69679623,  1.73440592,  0.96581309, -0.01270041, -0.78696876,
        1.23067988,  0.45521522,  0.60378768])

numpy.maximum逐个元素地将 x
和 y 中元素的最大值计算出来。

一些 ufunc 返回多个数组

In [12]: arr = np.random.randn(7) * 5

In [13]: arr
Out[13]:
array([ 4.06149543, -0.66663476, -0.95013597, -2.28401568, -2.44863962,
        3.16878977,  3.11914078])

In [14]: remainder, whole_part = np.modf(arr)

In [15]: remainder
Out[15]:
array([ 0.06149543, -0.66663476, -0.95013597, -0.28401568, -0.44863962,
        0.16878977,  0.11914078])

In [16]: whole_part
Out[16]: array([ 4., -0., -0., -2., -2.,  3.,  3.])

modf 返回一个浮点值数组的小数部分和整数部分。

通用函数接受一个可选参数 out 。

In [35]: arr
Out[35]:
array([2.01531522,        nan,        nan,        nan,        nan,
       1.78010948, 1.76610894])

In [36]: arr2 = np.zeros(7)

In [37]: np.sqrt(arr, arr2)
Out[37]:
array([1.41961798,        nan,        nan,        nan,        nan,
       1.33420744, 1.32895031])

In [38]: arr2
Out[38]:
array([1.41961798,        nan,        nan,        nan,        nan,
       1.33420744, 1.32895031])

利用 python 进行数据分析,107页(一元通用函数、二元通用函数)

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,258评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,335评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,225评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,126评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,140评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,098评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,018评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,857评论 0 273
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,298评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,518评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,678评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,400评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,993评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,638评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,801评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,661评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,558评论 2 352

推荐阅读更多精彩内容