Python打卡@2018-11-27（numpy的通用函数）

通用函数的目的是提高运行速度，尤其是在进行大量循环的时候，通用函数的本质是将数据进行了向量化，而原生的python将数据进行解析，判断其类型，然后选择方法进行调用，所以耗时较长。
用 %timeit 可以得出一个函数的运行时间。

numpty的通用函数也同样支持原生python的 +，-，，/，//（向下取整），%（求余数）,*（指数运算）运算符。
numpy中也为这些运算符提供了对应的函数：
+，np.add()，例如：np.add(x,2)
-，np.subtract ()
常用的其他运算符对应函数如图：

image.png

np.absolute（），求绝对值，也可用np.abs()代替。

numpy中的三角函数和逆三角函数
sin(), arcsin()
cos(), arccos()
tan(), arctan()

指数运算刚才有提到**，其对应的函数是
x = [1, 2, 3]
print("x =", x)
print("e^x =", np.exp(x)) # e的x次方用exp()
print("2^x =", np.exp2(x)) # exp2()代表2的x次方
print("3^x =", np.power(3, x)) # 大于2的则用power

指数运算的逆运算，即对数运算也是可用的。最基本的 np.log 给出的是以自然数为底数的
对数。如果你希望计算以 2 为底数或者以 10 为底数的对数，可以按照如下示例处理：
In[19]: x = [1, 2, 4, 10]
print("x =", x)
print("ln(x) =", np.log(x))
print("log2(x) =", np.log2(x))
print("log10(x) =", np.log10(x))

另外一些高级的数学运算函数在scipy.special中
from scipy import special