Numpy ufunc | Funciones universales

Las funciones universales en Numpy son funciones matemáticas simples. Es solo un término que le dimos a las funciones matemáticas en la biblioteca Numpy. Numpy proporciona varias funciones universales que cubren una amplia variedad de operaciones. 
Estas funciones incluyen funciones trigonométricas estándar, funciones para operaciones aritméticas, manejo de números complejos, funciones estadísticas, etc. Las funciones universales tienen varias características que son las siguientes: 
 

• Estas funciones operan en ndarray (array N-dimensional), es decir, la clase de array de Numpy.
• Realiza operaciones de array rápidas por elementos.
• Es compatible con varias funciones, como la transmisión de arrays, la conversión de tipos, etc.
• Numpy, las funciones universales son objetos que pertenecen a la clase numpy.ufunc.
• Las funciones de Python también se pueden crear como una función universal utilizando la función de biblioteca frompyfunc .
• Algunos ufuncs se llaman automáticamente cuando se usa el operador aritmético correspondiente en las arrays. Por ejemplo, cuando la suma de dos arrays se realiza por elementos utilizando el operador ‘+’, se llama internamente a np.add().

Algunas de las funciones universales básicas en Numpy son:
 

Funciones trigonométricas:

Estas funciones funcionan en radianes, por lo que los ángulos deben convertirse a radianes multiplicándolos por pi/180. Solo así podremos llamar funciones trigonométricas. Toman una array como argumentos de entrada. Incluye funciones como-

# Python code to demonstrate trigonometric function
import numpy as np
  
# create an array of angles
angles = np.array([0, 30, 45, 60, 90, 180]) 
  
# conversion of degree into radians
# using deg2rad function
radians = np.deg2rad(angles)
  
# sine of angles
print('Sine of angles in the array:')
sine_value = np.sin(radians)
print(np.sin(radians))
  
# inverse sine of sine values
print('Inverse Sine of sine values:')
print(np.rad2deg(np.arcsin(sine_value)))
  
# hyperbolic sine of angles
print('Sine hyperbolic of angles in the array:')
sineh_value = np.sinh(radians)
print(np.sinh(radians))
  
# inverse sine hyperbolic 
print('Inverse Sine hyperbolic:')
print(np.sin(sineh_value)) 
  
# hypot function demonstration
base = 4
height = 3
print('hypotenuse of right triangle is:')
print(np.hypot(base, height))

Sine of angles in the array:
[  0.00000000e+00   5.00000000e-01   7.07106781e-01   8.66025404e-01
   1.00000000e+00   1.22464680e-16]

Inverse Sine of sine values:
[  0.00000000e+00   3.00000000e+01   4.50000000e+01   6.00000000e+01
   9.00000000e+01   7.01670930e-15]

Sine hyperbolic of angles in the array:
[  0.           0.54785347   0.86867096   1.24936705   2.3012989
  11.54873936]

Inverse Sine hyperbolic:
[ 0.          0.52085606  0.76347126  0.94878485  0.74483916 -0.85086591]

hypotenuse of right triangle is:
5.0

Funciones estadísticas:

Estas funciones se utilizan para calcular la media, la mediana, la varianza y el mínimo de los elementos de la array. Incluye funciones como-
 

# Python code demonstrate statistical function
import numpy as np
  
# construct a weight array
weight = np.array([50.7, 52.5, 50, 58, 55.63, 73.25, 49.5, 45])
  
# minimum and maximum 
print('Minimum and maximum weight of the students: ')
print(np.amin(weight), np.amax(weight))
  
# range of weight i.e. max weight-min weight
print('Range of the weight of the students: ')
print(np.ptp(weight))
  
# percentile
print('Weight below which 70 % student fall: ')
print(np.percentile(weight, 70))
   
# mean 
print('Mean weight of the students: ')
print(np.mean(weight))
  
# median 
print('Median weight of the students: ')
print(np.median(weight))
  
# standard deviation 
print('Standard deviation of weight of the students: ')
print(np.std(weight))
  
# variance 
print('Variance of weight of the students: ')
print(np.var(weight))
  
# average 
print('Average weight of the students: ')
print(np.average(weight))

Minimum and maximum weight of the students: 
45.0 73.25

Range of the weight of the students: 
28.25

Weight below which 70 % student fall: 
55.317

Mean weight of the students: 
54.3225

Median weight of the students: 
51.6

Standard deviation of weight of the students: 
8.05277397857

Variance of weight of the students: 
64.84716875

Average weight of the students: 
54.3225

Funciones de giro de bits:

Estas funciones aceptan valores enteros como argumentos de entrada y realizan operaciones bit a bit en representaciones binarias de esos enteros. Incluye funciones como-
 

# Python code to demonstrate bitwise-function
import numpy as np
  
# construct an array of even and odd numbers
even = np.array([0, 2, 4, 6, 8, 16, 32])
odd = np.array([1, 3, 5, 7, 9, 17, 33])
  
# bitwise_and
print('bitwise_and of two arrays: ')
print(np.bitwise_and(even, odd))
  
# bitwise_or
print('bitwise_or of two arrays: ')
print(np.bitwise_or(even, odd))
  
# bitwise_xor
print('bitwise_xor of two arrays: ')
print(np.bitwise_xor(even, odd))
   
# invert or not
print('inversion of even no. array: ')
print(np.invert(even))
  
# left_shift 
print('left_shift of even no. array: ')
print(np.left_shift(even, 1))
  
# right_shift 
print('right_shift of even no. array: ')
print(np.right_shift(even, 1))

bitwise_and of two arrays: 
[ 0  2  4  6  8 16 32]

bitwise_or of two arrays: 
[ 1  3  5  7  9 17 33]

bitwise_xor of two arrays: 
[1 1 1 1 1 1 1]

inversion of even no. array: 
[ -1  -3  -5  -7  -9 -17 -33]

left_shift of even no. array: 
[ 0  4  8 12 16 32 64]

right_shift of even no. array: 
[ 0  1  2  3  4  8 16]