通用函数概念

通用函数（或简称为 ufunc）是一种以元素为单位对 ndarray 进行操作的函数，支持数组广播，类型转换和其他一些标准特性。 也就是说，ufunc 是一个函数的“矢量化”包装器，它接受固定数量的特定输入并产生固定数量的特定输出

在 NumPy 中，通用函数是 numpy.ufunc 类的实例。https://docs.scipy.org/doc/numpy/reference/ufuncs.html (opens new window)。

一元 ufunc

函数说明 abs、fabs计算整数、浮点数或复数的绝对值。对于非复数值，可以使用更快的fabs sqrt计算各元素的平方根。相当于arr ** 0.5 square计算各元素的平方。相当于arr ** 2 exp计算各元素的指数。相当于e的x次方 log、log10、log2、log1p分别对应自然对数（底数为e）、底数为10的log、底数为2的log、log(1 + p) sign计算各元素的正负号：1（正数）、0（零）、-1（负数） ceil计算各元素的ceiling值，即大于等于该值的最小整数 floor计算各元素的floor值。即小于等于该值的最大整数 rint将各元素值四舍五入到最接近的整数，保留dtype modf将数组的小数和整数部分以两个独立数组的形式返回isnan返回一个表示“哪些值是NaN”的布尔型数组isfinite、isinf分别返回一个表示“哪些元素是有穷的（非inf，非NaN）”或“哪些元素是无穷的”的布尔型数组cos、cosh、sin、sinh、tan、tanh普通型和双曲型三角函数 arccos、arccosh、arcsin、arcsinh、arctan、arctanh反三角函数 logical_not计算个元素的not x的真值。相当于-arr

二元 ufunc

函数说明 add将数组中对应的元素相加 subtract从第一个数组中减去第二个数组中的元素 multiply将数组元素相乘 divide、floor_divide除法或向下取整除法（丢弃余数） power对第一个数组中的元素A，根据第二个数组中的相应元素B，计算A的B次方 maximum、fmax元素级的最大值计算。fmax将忽略NaN minimum、fmin元素级的最小值计算。fmin将忽略NaN mod元素级别的求模计算（除法的余数） copysign将第二个数组中的值得符号复制给第一个数组中的值 greater、greater_equal、less、less_equal、equal、not_equal、执行元素级的比较运算，最终产生布尔数组。相当于中缀运算符号>、>=、<、<=、==、!=logical_and、logical_or、logical_xor执行元素级的真值逻辑运算。相当于中缀运算符&、| 、^

示例

import numpy as np

arr1 = np.array([ 2.06071314, -0.02325376,  0.34784075, -0.92764143, -0.37922931,
       -1.22737788, -1.54119057,  0.03776073,  0.47776534, -0.33724855])
arr1

array([ 2.06071314, -0.02325376,  0.34784075, -0.92764143, -0.37922931,
       -1.22737788, -1.54119057,  0.03776073,  0.47776534, -0.33724855])

np.abs(arr1)

array([2.06071314, 0.02325376, 0.34784075, 0.92764143, 0.37922931,
       1.22737788, 1.54119057, 0.03776073, 0.47776534, 0.33724855])

arr2 = np.array([4, 9, 16, 25])
np.sqrt(arr2)

array([2., 3., 4., 5.])

np.sign(arr1) # 正负号

array([ 1., -1.,  1., -1., -1., -1., -1.,  1.,  1., -1.])

arr3 = np.array([1, 2, 3, np.NaN, 4, np.NaN])
np.isnan(arr3)

array([False, False, False,  True, False,  True])

arr4 = np.array([1, 2, 3])
arr5 = np.array([4, 5, 6])
np.add(arr4, arr5)

array([5, 7, 9])

np.mod(arr2, 3) # 求模

array([1, 0, 1, 1])