标签：nump 对象 cos class color 效果 span 直接 方法
数组的运算可以进行加减乘除，同时也可以将这些算数运算符进行任意的组合已达到效果。
>>> x=np.arange(5) >>> x array([0, 1, 2, 3, 4]) >>> x=5 >>> x=np.arange(5) >>> x+5 array([5, 6, 7, 8, 9]) >>> x-5 array([-5, -4, -3, -2, -1]) >>> x*2 array([0, 2, 4, 6, 8]) >>> x/2 array([0. , 0.5, 1. , 1.5, 2. ]) >>> x//2 array([0, 0, 1, 1, 2], dtype=int32)
一共有三种方法，第一种方法是直接利用不是NumPy库的abs函数进行计算，第二种和第三种方法则是利用numpy库的abs函数和absolute函数进行运算。如下所示：
>>> x=np.array([1,2,3,-4,-5,-6]) >>> x array([ 1, 2, 3, -4, -5, -6]) >>> abs(x) array([1, 2, 3, 4, 5, 6]) >>> np.abs(x) array([1, 2, 3, 4, 5, 6]) >>> np.absolute(x) array([1, 2, 3, 4, 5, 6])
首先定义一个a的np当中的array对象，然后再进行运算：
>>> a array([0. , 1.57079633, 3.14159265]) >>> np.sin(a) array([0.0000000e+00, 1.0000000e+00, 1.2246468e-16]) >>> np.cos(a) array([ 1.000000e+00, 6.123234e-17, -1.000000e+00]) >>> np.tan(a) array([ 0.00000000e+00, 1.63312394e+16, -1.22464680e-16])
指数的运算：
>>> x=[1,2,3] >>> x [1, 2, 3] >>> np.exp(x) array([ 2.71828183, 7.3890561 , 20.08553692]) >>> np.exp2(x) array([2., 4., 8.])
np.power(3,x) array([ 3, 9, 27], dtype=int32)
对数的运算：
>>> np.log(x) array([0. , 0.69314718, 1.09861229]) >>> np.log2(x) array([0. , 1. , 1.5849625]) >>> x [1, 2, 3] >>> np.log10(x) array([0. , 0.30103 , 0.47712125])
标签：nump 对象 cos class color 效果 span 直接 方法
原文地址：https://www.cnblogs.com/geeksongs/p/11015807.html
