NumPy 算数函数

发布于 2024-09-20 12:35:20 字数 4627 浏览 38 评论 0

很容易理解的是,NumPy 包含大量的各种数学运算功能。 NumPy 提供标准的三角函数,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。

示例

import numpy as np
a = np.array([0,30,45,60,90])  
print  '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)  
print  '\n'  
print  '数组中角度的余弦值:'  
print np.cos(a*np.pi/180)  
print  '\n'  
print  '数组中角度的正切值:'  
print np.tan(a*np.pi/180)

输出如下:

不同角度的正弦值:                                                   
[ 0.          0.5         0.70710678  0.8660254   1.        ]                 

数组中角度的余弦值:                                         
[  1.00000000e+00   8.66025404e-01   7.07106781e-01   5.00000000e-01          
   6.12323400e-17]                                                            

数组中角度的正切值:                                            
[  0.00000000e+00   5.77350269e-01   1.00000000e+00   1.73205081e+00          
   1.63312394e+16]

arcsinarccos ,和 arctan 函数返回给定角度的 sincostan 的反三角函数。 这些函数的结果可以通过 numpy.degrees() 函数通过将弧度制转换为角度制来验证。

示例

import numpy as np
a = np.array([0,30,45,60,90])  
print  '含有正弦值的数组:'
sin = np.sin(a*np.pi/180)  
print sin
print  '\n'  
print  '计算角度的反正弦,返回值以弧度为单位:'
inv = np.arcsin(sin)  
print inv
print  '\n'  
print  '通过转化为角度制来检查结果:'  
print np.degrees(inv)  
print  '\n'  
print  'arccos 和 arctan 函数行为类似:'
cos = np.cos(a*np.pi/180)  
print cos
print  '\n'  
print  '反余弦:'
inv = np.arccos(cos)  
print inv
print  '\n'  
print  '角度制单位:'  
print np.degrees(inv)  
print  '\n'  
print  'tan 函数:'
tan = np.tan(a*np.pi/180)  
print tan
print  '\n'  
print  '反正切:'
inv = np.arctan(tan)  
print inv
print  '\n'  
print  '角度制单位:'  
print np.degrees(inv)

输出如下:

含有正弦值的数组:
[ 0.          0.5         0.70710678  0.8660254   1.        ]

计算角度的反正弦,返回值以弧度制为单位:
[ 0.          0.52359878  0.78539816  1.04719755  1.57079633]

通过转化为角度制来检查结果:
[  0.  30.  45.  60.  90.]

arccos 和 arctan 函数行为类似:
[  1.00000000e+00   8.66025404e-01   7.07106781e-01   5.00000000e-01          
   6.12323400e-17]

反余弦:
[ 0.          0.52359878  0.78539816  1.04719755  1.57079633]

角度制单位:
[  0.  30.  45.  60.  90.]

tan 函数:
[  0.00000000e+00   5.77350269e-01   1.00000000e+00   1.73205081e+00          
   1.63312394e+16]

反正切:
[ 0.          0.52359878  0.78539816  1.04719755  1.57079633]

角度制单位:
[  0.  30.  45.  60.  90.]

舍入函数

numpy.around()

这个函数返回四舍五入到所需精度的值。 该函数接受以下参数。

numpy.around(a,decimals)

其中:

序号参数及描述
1.a 输入数组
2.decimals 要舍入的小数位数。 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

示例

import numpy as np
a = np.array([1.0,5.55,  123,  0.567,  25.532])  
print  '原数组:'  
print a
print  '\n'  
print  '舍入后:'  
print np.around(a)  
print np.around(a, decimals =  1)  
print np.around(a, decimals =  -1)

输出如下:

原数组:                                                          
[   1.       5.55   123.       0.567   25.532]

舍入后:                                                         
[   1.    6.   123.    1.   26. ]                                               
[   1.    5.6  123.    0.6  25.5]                                          
[   0.    10.  120.    0.   30. ]

numpy.floor()

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。

示例

import numpy as np
a = np.array([-1.7,  1.5,  -0.2,  0.6,  10])  
print  '提供的数组:'  
print a
print  '\n'  
print  '修改后的数组:'  
print np.floor(a)

输出如下:

提供的数组:                                                            
[ -1.7   1.5  -0.2   0.6  10. ]

修改后的数组:                                                         
[ -2.   1.  -1.   0.  10.]

numpy.ceil()

ceil() 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

示例

import numpy as np
a = np.array([-1.7,  1.5,  -0.2,  0.6,  10])  
print  '提供的数组:'  
print a
print  '\n'  
print  '修改后的数组:'  
print np.ceil(a)

输出如下:

提供的数组:
[ -1.7   1.5  -0.2   0.6  10. ]

修改后的数组:
[ -1.   2.  -0.   1.  10.]

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。
列表为空,暂无数据

关于作者

初懵

暂无简介

0 文章
0 评论
24 人气
更多

推荐作者

巷子口的你

文章 0 评论 0

微信用户

文章 0 评论 0

神妖

文章 0 评论 0

7460852697

文章 0 评论 0

ligengkai

文章 0 评论 0

    我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
    原文