| 函数 | 功能说明 | 示例 | | abs() | 返回参数的绝对值 | abs (-2)、 abs (3.77) | | divmod() | 返回两个数值的商和余数 | divmod (10,3) | | max () | 返回可迭代对象的元素的最大值或者所有参数的最大值 | max (-1,1,2,3.4)、 max (‘abcef989’) | | min() | 返回可迭代对象的元素的最小值或者所有参数的最小值 | min (-1,12,3,4,5) | | pow() | 求两个参数的幂运算值 | pow (2,3)、 pow (2,3,5) | | round() | 返回浮点数的四舍五入值 | round (1.456778)、 round (1.45677,2) | | sum () | 对元素类型是数值的可迭代对象的每个元素求和 | sum ((1,2,3,4))、 sum ((1,2,3,4),-10) | | append() | 向列表中添加元素，并添加到末尾 | append(list) | | extend(可迭代对象) | 将可迭代对象中数据分别添加到列表中，并添加到末尾。 | extend() | | insert(下标，对象) | 向指定下标位置添加对象 | insert(2,list) | | clear() | 清空列表 | clear() | | pop() | 删除下标指定元素，如果不加下标则删除最后一个元素 | pop() | | remove() | 删除指定的对象 | remove(对象) | | del | 删除变量或者指定下标的值 | del() | | copy() | 浅拷贝 | copy() | | count() | 返回对象在列表中出现的次数 | count(对象) | | index() | 元素出现的第一次下标位置，也可自定义范围 | index(value,开始下标，结束下标) | | reverse() | 原地翻转 | reverse() | | sort() | 快速排序，默认从小到大排序 | sort(key=None, reverse=False) | | len() | 获得列表的长度 | len(list) | | capitalize() | 把字符串的第一个字符改为大写，后面为小写。 | capitalize() | | | |
numpy：矩阵通用函数。
#一元函数
1. abs fabs
import numpy as np #导入模块
a = np.mat(np.arange(-4,3)) #创建一个矩阵
np.abs(a) # 对矩阵a取绝对值
np.fabs(a) # 对矩阵a取浮点类的绝对值
2. sqrt () 平方根 square() 平方
b = np.mat(range(1,6)) #创建一个矩阵
np.sqrt(b) #b的平方根
np.square(b) #b的平方
3. log log10 log2 log1p
c = np.mat([1,2,np.e,np.e+1,4,10,100]) #创建一个矩阵
np.log(c) #以e为底
np.log10(c)# log以10为底
np.log2(c)#log2以2为底
np.log1p(c) #在c的基础上每一个值加上一个1，再以e为底的对数 log1p（x）==log(1+x)
np.log1p(np.e-1)
4. sign ceil floor rint
d = np.mat([
[2.3,4.6],
[1.2,1.8]
]) #创建一个矩阵
np.sign(d) #符号位 +1:正数 -1：负数 0：0
np.ceil(d) #向上取整 右
np.floor(d)#向下取整 左
np.rint(d) #四舍五入
e = np.mat([
[1,4,8],
[2,3,7]
])
# e*0.1 #快速变成浮点数
np.rint(e)#四舍五入的方法也可以
5. modf 分别返回小数部分和整数部分
arr1,arr2=np.modf(d)
#arr1 返回的是小数部分，arr2返回的是整数部分
6. isnan() 判断不是数字
f=np.array([1,2,np.nan,np.nan,3]) #创建一个矩阵 不是数字的就转换为np.nan np.inf 是无穷大，是个数字类型
np.isnan(f)
7. cos sin tan
g=np.mat([0,np.pi/4,np.pi/2,np.pi*3/4]) #创建一个矩阵，里面表示的是角度
g*2 #所有的角度都放大2倍
np.cos(g) # 求角度的cos值
np.set_printoptions(precision=3)#科学计数法设置显示3位小数，作为了解吧！
np.tan(g) #求角度的tan值
8. logical_not
import numpy as np
a = np.mat(np.arange(-4,3))
print(a)
b = np.logical_not(a)
print(b)
# 二元函数
#准备三个矩阵
a = np.mat([1,2,3,4])
b = np.mat([5,6,7,8])
c = np.mat([9,10,11,12])
1. power() 求幂
np.power(b,a) #矩阵本身是二维的，有人问为什么返回的结果是两个中括号
np.power(b,2)
2. maximum、minimum 元素级运算
#准备两个矩阵
arr1 = np.mat([1,8,2,9])
arr2 = np.mat([6,3,5,4])
np.maximum(arr1,arr2)
matrix([[6, 8, 5, 9]]) #返回的是两个数组中对应位大的数值
np.minimum(arr1,arr2)
matrix([[1, 3, 2, 4]]) #返回的是两个数组中对应位小的数值
3. greater 大于 ,greater_equal 大于等于
np.greater(arr1,arr2)
matrix([[False, True, False, True]])
4. 逻辑"与"：logical_and ,“或”：logical_or,“非”：logical_xor
#准备一个矩阵
d = np.mat('2 0;1 0')
e = np.mat('0 2;1 0')
#与
np.logical_and(d,e) #对应位都为真，结果为真，否则为假
matrix([[False, False],
[ True, False]])
#或
np.logical_or(d,e) #对应位其中一位为真则为真，都为假则为假
matrix([[ True, True],
[ True, False]])
#非
np.logical_xor(d,e) #相同为false ,不同是true
matrix([[ True, True],
[False, False]])
|