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]])