numpy的几个函数

最新推荐文章于 2025-09-22 07:26:33 发布

原创最新推荐文章于 2025-09-22 07:26:33 发布 · 276 阅读

0 ·

CC 4.0 BY-SA版权

numpy.zeros

快速创建全零的一维数组

numpy.ones

快速创建全一的一维数组

numpy.reshape()

改变数组形状，比如：

.reshape((-1,1)) 可以把矩阵转成一列

.reshape((1,-1))可以把矩阵转成一行

最关键的是

numpy.dot(x,y)

对一维向量x,y来说，dot意味着求内积

对二维数组x,y（也就是矩阵）来说，dot意味着求矩阵乘法

对高维数组x,y来说，dot意味着......(不懂T_T）

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Cosimo359

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

【Python进阶】10个NumPy常用函数，你真的都会用了吗？

java专栏

11-07

1080

NumPy提供了大量的内置函数，这些函数涵盖了数组操作、数学计算、统计分析等多个方面。掌握这些常用函数，可以让你在处理数据时更加高效和便捷。通过以上十个常用函数的学习，相信你对NumPy的常用函数已经有了全面的了解。从创建数组、求和、求平均值，到排序、去重，每一个函数都有其独特的应用场景。掌握这些函数，你就能在Python的科学计算领域游刃有余了。不过，学习永无止境，NumPy还有许多高级特性和优化技巧等待你去探索。希望今天的分享能为你打开一扇新的大门，开启你的科学计算之旅。

numpy 常用函数汇总

是鲤鱼啊

04-28

2373

一. 数学函数 1. 三角函数 2. 舍入函数 ①numpy.around() ②

参与评论您还未登录，请先登录后发表或查看评论

numpy几个函数用法

笨小孩的博客

05-07

242

1.shape()a = array([[1,2],[2,3],[3,4]])a.shape() 输出（3,2）a.shape(0)输出 3 理解为一共有多少组数据a.shape(1)输出 2 理解为每组数据的维数2.tile import numpy >>> numpy.tile([0,0],5)#在列方向上重复[0,0]5次，默认行1次 array([0, 0, 0, 0...

numpy中min函数

dizhuo0219的博客

01-21

1729

numpy提供的数组功能比较常用，NumPy中维数被称为轴，轴数称为秩。 import numpy as np 比如a = np.array([[1, 5, 3], [4, 2, 6]]) a.min()返回的就是a中所有元素的最小值 a.min(0)返回的就是a的每列最小值 a.min(1)返回的是a的每行最小值光这么说可能有点犯迷糊，下面举一个三维的例子 b = np...

NumPy `numpy.min()` 深度解析：多维数组最小值查找与维度控制

最新发布

weixin_42107409的博客

09-22

817

本文详细介绍了NumPy中的np.min()函数，重点解析了其核心功能、关键参数和应用场景。主要内容包括：1) np.min()与Python内置min()的区别，强调其在多维数组处理上的优势；2) 核心参数axis的详细说明，展示如何沿不同轴向查找最小值；3) keepdims参数的作用及其在广播机制中的应用；4) 特殊参数initial和where的功能；5) 与相关函数(np.nanmin(),np.max()等)的对比；6) 实际应用场景如数据探索、图像处理等。文章通过丰富的代码示例，帮助读者深入理

【Python】Numpy库近50个常用函数详解和示例，可作为工具手册使用

不定时分享，互相学习，共同进步

12-07

5039

本文以yolo系列代码为基础，在其中查找用到的numpy函数，包含近50个函数，本文花费多天，三万多字，通过丰富的函数原理和示例对这些函数进行详解。以帮助大家理解和使用。

python的Numpy库的常用几个函数

qq_42077227的博客

08-14

287

根据学习而记下的几个常用的函数 import Numpy as np （开头Numpy 以np别名） 1.Numpy.arange arange（5）作用创建5个元素，从0到4 arange（5,20,3）从5开始每一个数加3，取到小于20的元素。（5,8,11,14,17） 2.Numpy.arange.reshape a=Numpy.arange（15）.resha...

50个常用的Numpy函数解释，参数和使用示例

deephub

07-06

5322

Numpy是python中最有用的工具之一。它可以有效地处理大容量数据。使用NumPy的最大原因之一是它有很多处理数组的函数。在本文中，将介绍NumPy在数据科学中最重要和最有用的一些函数。1、Array它用于创建一维或多维数组Dtype:生成数组所需的数据类型。ndim:指定生成数组的最小维度数。还可以使用此函数将pandas的df和series转为NumPy数组。 2、Linspace创建一个具有指定间隔的浮点数的数组。start:起始数字end:结束Num:要生成的样本数，默认为50。 3、Aran

python科学计算之numpy——ufunc函数用法

09-18

Numpy也允许用户定义自己的ufunc函数，可以通过编写一个对单个数值进行计算的函数，并使用np.frompyfunc或numpy.vectorize方法将其转换为ufunc。这样，用户能够自定义执行具体计算的通用函数，并在数组上进行操作。 ...

深入理解NumPy数学函数：科学计算的基石

vvilkin的学习备忘

06-05

654

在现代数据科学和科学计算领域，NumPy（Numerical Python）无疑是最基础、最重要的Python库之一。作为Python科学计算生态系统的核心，NumPy提供了强大的多维数组对象和丰富的数学函数集，使得Python能够高效地处理数值计算任务。本文将全面介绍NumPy中的数学函数，从基础运算到高级应用，帮助读者掌握这一科学计算的利器。

Numpy之random函数使用学习

09-19

本文将详细介绍`numpy.random`中的几个常用函数，并通过具体的代码示例来帮助理解这些函数的功能与应用场景。 #### 1. `numpy.random.rand(d0, d1, ..., dn)` - **功能描述**：该函数用于生成一个指定形状的数组，...

50个常用的 Numpy 函数详解！

m0_58477260的博客

02-02

4161

创建数组1、Array它用于创建一维或多维数组Dtype:生成数组所需的数据类型。ndim:指定生成数组的最小维度数。还可以使用此函数将pandas的df和series转为NumPy数组。2、Linspace创建一个具有指定间隔的浮点数的数组。start:起始数字end:结束Num:要生成的样本数，默认为50。3、Arange在给定的间隔内返回具有一定步长的整数。step:数值步长。4、Uniform在上下限之间的均匀分布中生成随机样本。

numpy函数大全

qq_44955314的博客

06-10

6306

简介 Numpy是科学计算库,是一个强大的N维数组对象ndarray，是广播功能函数。其整合C/C++.fortran代码的工具，更是Scipy、Pandas等的基础。函数大全基本函数 .ndim ：维度 .shape ：各维度的尺度（2，5） .size ：元素的个数 10 .dtype ：元素的类型 dtype(‘int32’) .itemsize ：每个元素的大小，以字节为单位，每个元素占4个字节 ndarray数组的创建 np.arange(n) ; 元素从0到n-1的ndarray类型

Numpy——min

eee

10-14

503

a.min() # 返回a中所有元素的最小值 a.min(0) # 返回a中每列的最小值 a,min(1) # 返回a中每行的最小值

Numpy函数大全

weixin_40717742的博客

02-22

1236

Numpy是科学计算库,是一个强大的N维数组对象ndarray，是广播功能函数。其整合C/C++.fortran代码的工具，更是Scipy、Pandas等的基础 .ndim ：维度 .shape ：各维度的尺度（2，5） .size ：元素的个数 10 .dtype ：元素的类型 dtype(‘int32’) .itemsize ：每个元素的大小，以字节为单位，每个元素占4个字节 ndarr...

【NumPy】深入解析numpy.min()函数

2402_83361138的博客

04-18

1492

函数是NumPy库中一个功能强大且实用的工具，用于查找数组中的最小值。函数是NumPy库中的一个内置函数，专门用于查找输入数组中的最小值。在数据分析和科学计算中，找到数组中的最小值是一个常见的需求。：在数据分析中，经常需要找到数据集中的最小值，以了解数据的分布情况或进行异常值检测。参数，可以根据特定条件筛选参与最小值计算的元素，从而更加精确地找到所需的最小值。：在图像处理中，最小值可以用于检测图像中的暗区或计算图像的亮度范围。：在机器学习中，最小值常用于损失函数的计算、梯度下降等优化算法中。

numpy中的min(),max()函数

klaseT的博客

10-10

2561

numpy中的min,max函数 a = np.array([[10,9,8],[7,6,5],[42,33,2]]) a.min() #返回为：aaa矩阵中所有元素的最小值 #结果为：2 a.min(0) #返回为：aaa矩阵中所有列中元素的最小值 #结果为：array([7, 6, 2]) a.min(1) #返回为：aaa矩阵中所有行中元素的最小值 #结果为：array([8, 5, 2...

Numpy 基本函数汇总

weixin_45474938的博客

10-27

697

属性 .ndim .shape .size .dtype .itemsize #IN import numpy as np a = np.array([[0,1,2,3,4],[9,8,7,6,5]]) print(a.ndim) 创建数组

对numpy的min、max函数的理解

jieru_liu的博客

05-28

3768

1、生成数据源 arr = np.random.randint(5, 30, (3, 3, 3)) arr 2、min函数的使用详解 2.1、获取所有数据中的最小值 arr.min() 2.2、获取第一个维度的最小值 arr.min(axis=0) # array([[ 5, 9, 18], [[每一组的第1行第1列, 每一组的第1行第2列, 每一组的第1行第3列 # [ 6, 8, 13], 每一组的第2行第1列, 每一组的第2行第2列, 每一组的第2行

numpy的三角函数

03-11

<think>好的，用户想了解在NumPy中使用三角函数的方法。首先，我需要回顾一下NumPy中三角函数的常用函数和基本用法。根据引用[1]和引用[2]，NumPy提供了标准的三角函数，如`np.sin()`, `np.cos()`, `np.tan()`，以及反三角函数`np.arcsin()`, `np.arccos()`, `np.arctan()`。需要注意这些函数接受的是弧度制的角度，所以在使用前可能需要将角度转换为弧度。例如，用户可以通过乘以`np.pi/180`来实现转换。接下来，我需要考虑用户可能的常见操作场景，比如如何处理角度数组的计算。引用[1]中的示例展示了如何将角度数组转换为弧度，然后计算三角函数的值。此外，引用[2]提到，与math库不同，NumPy的函数可以处理数组，而math库只能处理单个数值，这一点需要强调，因为用户可能在处理数组时更倾向于使用NumPy的高效向量化操作。另外，反三角函数的使用可能也是用户关心的部分。需要说明反三角函数返回的是弧度值，如果需要角度，可以使用`np.degrees()`进行转换。同时，要注意输入值范围的问题，比如`np.arcsin`和`np.arccos`的输入必须在[-1,1]之间，否则会报错。用户可能还关心如何处理特殊情况，例如大角度的计算或处理接近边界的值。比如，当角度为90度时，计算余弦值会出现接近零的小数，如引用[1]中的示例所示，这时需要解释这是由于浮点数精度造成的。此外，可能还需要提到一些实用技巧，例如如何同时计算多个角度的三角函数，或者如何利用广播功能进行更高维数组的计算。同时，可以对比NumPy和math库在三角函数处理上的不同，帮助用户理解何时选择NumPy更为合适，如引用[2]中的例子所示，使用math库处理数组会导致错误，而NumPy可以高效处理。最后，根据系统指令，需要生成相关问题，可能涉及性能优化、与其他库的区别、实际应用案例等。这些问题应基于用户当前的问题自然延伸，帮助用户进一步探索NumPy三角函数的使用。</think>在NumPy中使用三角函数需要掌握以下几个关键步骤： ### 一、基本三角函数用法 NumPy提供标准的三角函数`np.sin()`, `np.cos()`, `np.tan()`，其输入参数为**弧度制**的角度值： ```python import numpy as np angles = np.array([0, 30, 45, 60, 90]) radians = angles * np.pi / 180 # 角度转弧度 print(np.sin(radians)) # 输出正弦值 # [0. 0.5 0.70710678 0.8660254 1. ] ``` 当处理角度数组时，推荐使用向量化操作`angles * np.pi/180`进行批量转换[^1]。 ### 二、反三角函数反三角函数`np.arcsin()`, `np.arccos()`, `np.arctan()`返回弧度值： ```python sin_values = np.array([0, 0.5, 1.0]) arcsin_result = np.arcsin(sin_values) # 返回弧度 print(np.degrees(arcsin_result)) # 转换为角度 # [ 0. 30. 90.] ``` ### 三、重要特性说明 1. **数组支持**：与math库不同，NumPy函数可以直接处理多维数组，例如： ```python x = np.linspace(-np.pi, np.pi, 5) print(np.cos(x)) # 输出：[-1. -0.5 1. 0.5 -1. ] ``` 而math库只能处理标量值，对数组操作会报错[^2]。 2. **精度表现**：在接近函数定义域边界时可能出现微小误差，例如： ```python print(np.cos(90 * np.pi/180)) # 输出6.12e-17（理论值应为0） ``` ### 四、实际应用案例 ```python # 生成波形信号 t = np.linspace(0, 2*np.pi, 1000) signal = 2 * np.sin(2 * np.pi * 5 * t) + np.cos(2 * np.pi * 10 * t) ``` 该代码生成包含5Hz正弦波和10Hz余弦波的合成信号，常用于信号处理领域。