python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > NumPy双曲函数与集合

NumPy双曲函数与集合操作详解

作者:小万哥丶

NumPy 提供了 sinh()、cosh() 和 tanh() 等 ufunc,它们接受弧度值并生成相应的双曲正弦、双曲余弦和双曲正切值,我们可以使用 NumPy 的 unique() 方法从任何数组中找到唯一元素,本文给大家详细介绍了NumPy双曲函数与集合操作,需要的朋友可以参考下

NumPy 双曲函数

NumPy 提供了 sinh()cosh() 和 tanh() 等 ufunc,它们接受弧度值并生成相应的双曲正弦、双曲余弦和双曲正切值。

示例:

import numpy as np

x = np.sinh(np.pi/2)

print(x)

示例

找到数组 arr 中所有值的双曲余弦值:

import numpy as np

arr = np.array([np.pi/2, np.pi/3, np.pi/4, np.pi/5])

x = np.cosh(arr)

print(x)

查找角度

从双曲正弦、双曲余弦、双曲正切值查找角度。例如,sinh、cosh 和 tanh 的反函数(arcsinh、arccosh、arctanh)。

NumPy 提供了 arcsinh()arccosh()arctanh() 等 ufunc,它们给出相应 sinh、cosh 和 tanh 值的弧度值。

示例

找到 1.0 的角度:

import numpy as np

x = np.arcsinh(1.0)

print(x)

数组中每个值的角度

示例

找到数组中所有 tanh 值的角度:

import numpy as np

arr = np.array([0.1, 0.2, 0.5])

x = np.arctanh(arr)

print(x)

NumPy 集合操作

什么是集合

在数学中,集合是一组唯一元素的集合。

集合用于频繁进行交集、并集和差集运算。

在 NumPy 中创建集合

我们可以使用 NumPy 的 unique() 方法从任何数组中找到唯一元素。例如,创建一个集合数组,但请记住,集合数组应该只是一维数组。

示例 将以下包含重复元素的数组转换为集合:

import numpy as np

arr = np.array([1, 1, 1, 2, 3, 4, 5, 5, 6, 7])

x = np.unique(arr)

print(x)

查找并集

要找到两个数组的唯一值,请使用 union1d() 方法。

示例

找到以下两个集合数组的并集:

import numpy as np

arr1 = np.array([1, 2, 3, 4])
arr2 = np.array([3, 4, 5, 6])

newarr = np.union1d(arr1, arr2)

print(newarr)

查找交集

要找到仅在两个数组中都存在的值,请使用 intersect1d() 方法。

示例

找到以下两个集合数组的交集:

import numpy as np

arr1 = np.array([1, 2, 3, 4])
arr2 = np.array([3, 4, 5, 6])

newarr = np.intersect1d(arr1, arr2, assume_unique=True)

print(newarr)

注意: intersect1d() 方法接受一个可选参数 assume_unique,如果设置为 True,则可以加快计算速度。在处理集合时应始终将其设置为 True。

查找差集

要找到第一个集合中存在但第二个集合中不存在的值,请使用 setdiff1d() 方法。

示例

找到 set2 中不存在的 set1 的差集:

import numpy as np

set1 = np.array([1, 2, 3, 4])
set2 = np.array([3, 4, 5, 6])

newarr = np.setdiff1d(set1, set2, assume_unique=True)

print(newarr)

注意: setdiff1d() 方法接受一个可选参数 assume_unique,如果设置为 True,则可以加快计算速度。在处理集合时应始终将其设置为 True。

查找对称差

要找到两个集合中都不存在的值,请使用 setxor1d() 方法。

示例

找到 set1 和 set2 的对称差:

import numpy as np

set1 = np.array([1, 2, 3, 4])
set2 = np.array([3, 4, 5, 6])

newarr = np.setxor1d(set1, set2, assume_unique=True)

print(newarr)

注意: setxor1d() 方法接受一个可选参数 assume_unique,如果设置为 True,则可以加快计算速度。在处理集合时应始终将其设置为 True。

最后

到此这篇关于NumPy双曲函数与集合操作详解的文章就介绍到这了,更多相关NumPy双曲函数与集合内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

您可能感兴趣的文章:
阅读全文