1. 比较运算符
| 符号 | 函数 | 含义 |
|---|---|---|
| > | np.greater(arr1, arr2) | 判断 arr1 的元素是否大于 arr2 的 |
| >= | np.greater_equal(arr1, arr2) | 判断 arr1 的元素是否大于等于 arr2 的 |
| < | np.less(arr1, arr2) | 判断 arr1 的元素是否小于 arr2 的 |
| <= | np.less_equal(arr1, arr2) | 判断 arr1 的元素是否小于等于 arr2 的 |
| == | bp.equal(arr1, arr2) | 判断 arr1 的元素是否等于 arr2 的 |
| != | np.not_equal(arr1, arr2) | 判断 arr1 的元素是否不等于 arr2 的 |
2. 常用数学函数
| 函数 | 函数说明 |
|---|---|
| np.pi | 常数Π |
| np.e | 常数e |
| np.fabs(arr) | 计算各元素的浮点型绝对值 |
| np.ceil(arr) | 对各元素向上取整 |
| np.floor(arr) | 对各元素向下取整 |
| np.round(arr) | 对各元素四舍五入 |
| np.fmod(arr1, arr2) | 计算 arr1 / arr2 的余数 |
| np.modf(arr) | 返回数组元素小数部分和整数部分 |
| np.sqrt(arr) | 计算各元素的算术平方根 |
| np.square(arr) | 计算各元素的平方根 |
| np.exp(arr) | 计算以 e 为底的指数 |
| np.power(arr, α) | 计算各元素的指数 |
| np.log2(arr) | 计算以 2 为底各元素的对数 |
| np.log10(arr) | 计算以 10 为底各元素的对数 |
| np.log(arr) | 计算以 e 为底各元素的对数 |
3. 统计函数
| 函数 | 函数说明 |
|---|---|
| np.min(arr, axis) | 按照轴的方向计算最小值 |
| np.max(arr, axis) | 按照轴的方向计算最大值 |
| np.mean(arr, axis) | 按照轴的方向计算均值 |
| np.median(arr, axis) | 按照轴的方向计算中位数 |
| np.sum(arr, axis) | 按照轴的方向计算和 |
| np.std(arr, axis) | 按照轴的方向计算标准差 |
| np.var(arr, axis) | 按照轴的方向计算方差 |
| np.cumsum(arr, axis) | 按照轴的方向计算累计和 |
| np.cumprod(arr, axis) | 按照轴的方向计算累计乘积 |
| np.argmin(arr, axis) | 按照轴的方向计算最小值所在的位置 |
| np.argmax(arr, axis) | 按照轴的方向计算最大值所在的位置 |
| np.corrcoef(arr) | 计算皮尔逊相关系数 |
| np.cov(arr) | 计算协方差矩阵 |
注：axis=1时按水平方向计算，为0时按垂直方向计算
4. 线性代数相关计算
| 函数 | 函数说明 |
|---|---|
| np.zeros | 生成零矩阵 |
| np.eye | 生成单位矩阵 |
| np.dot | 计算两个数组的点积 |
| np.diag | 矩阵主对角线与一维数组间的转换 |
| np.ones | 生成所有元素为 1 的矩阵 |
| po.transpose | 矩阵转置 |
| np.inner | 计算两个数组的内积 |
| np.trace | 矩阵主对角线元素的和 |
| np.linalg.det | 计算矩阵行列式 |
| np.linalg.eigvals | 计算方阵特征根 |
| np.linalg.pinv | 计算方阵的 Moore-Penrose 伪逆 |
| np.linalg.lstsq | 计算 Ax=b 的最小二乘解 |
| np.linalg.svd | 计算奇异值分解 |
| np.linalg.eig | 计算矩阵特征根与特征向量 |
| np.linalg.inv | 计算方阵的逆 |
| np.linalg.solve | 计算 Ax=b 的线性方程组解 |
| np.linalg.qr | 计算 QR 分解 |
| np.linalg.norm | 计算向量或矩阵的范数 |
5. 伪随机数的生成
| 函数 | 函数说明 |
|---|---|
| seed(n) | 设置随机数种子 |
| beta(a, b, size=None) | 生成 β 分布随机数 |
| chisquare(df, size=None) | 生成卡方分布随机数 |
| choice(a, size=None, replace=True, p=None) | 从 a 中有放回地随机挑选指定数量地样本 |
| exponential(scale=1.0, size=None) | 生成指数分布随机数 |
| f(dfnum, dfden, size=None) | 生成 F 分布随机数 |
| gamma(shape, scale=1.0, size=None) | 生成 Γ 分布随机数 |
| geometric(p, size=None) | 生成几何分布随机数 |
| hypergeometric(ngood, nbad, nsample, size=None) | 生成超几何分布随机数 |
| laplace(loc=0.0, scale=1.0, size=None) | 生成拉普拉斯分布随机数 |
| logistic(loc=0.0, scale=1.0, size=None) | 生成 Logistic 分布随机数 |
| lognormal(mean=0.0, sigma=1.0, size=None) | 生成对数正态分布随机数 |
| negative_binomial(n, p, size=None) | 生成负二项分布随机数 |
| multinomial(n, pvals, size=None) | 生成多项分布随机数 |
| multivariate_normal(mean, cov[, size]) | 生成多元正态分布随机数 |
| normal(loc=0.0, scale=1.0, size=None) | 生成正态分布随机数 |
| pareto(a, size=None) | 生成帕累托分布随机数 |
| poisson(lam=1.0, size=None) | 生成泊松分布随机数 |
| rand(d0, d1, …, dn) | 生成 n 维的均匀分布随机数 |
| randn(d0, d1, …, dn) | 生成 n 维的标准正态分布随机数 |
| randint(low, high=None, size=None, dtype=‘1’) | 生成指定范围的随机整数 |
| random_sample(size=None) | 生成 [0, 1) 的随机数 |
| standard_t(df, size=None) | 生成标准的 t 分布随机数 |
| uniform(low=0.0, high=1.0, size=None) | 生成指定范围的均匀分布随机数 |
| wald(mean, scale, size=None) | 生成 Wald 分布随机数 |
| weibull(a, size=None) | 生成 Weibull 分布随机数 |
注：以上随机数生成函数位于 numpy 模块的 random 子模块
6. 其它常用函数
| 函数 | 函数说明 |
|---|---|
| arange | 类似于 Python 的内建函数 range |
| array | 构造数组对象 |
| ix_ | 构造数组索引 |
| genfromtxt | 读取文本文件数据的函数 |
| shape | 返回数组形状 |
| ndim | 返回数组维数 |
| size | 返回数组元素个数 |
| dtype | 返回数组数据类型 |
| reshape | 重塑数组形状 |
| resize | 重塑数组形状 |
| flatten | 将多维数组降为一维数组 |
| ravel | 将多维数组降为一维数组 |
| vstack、row_stack | 数组的垂直堆叠函数 |
| hstack、column_stack | 数组的水平合并函数 |
| where | 类似于 Excel 的 if 函数 |