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-
Función | Descripción |
---|---|
pecado, porque, bronceado | calcular seno, coseno y tangente de ángulos |
arcsen, arccos, arctan | calcular seno, coseno y tangente inversos |
hipotético | calcular la hipotenusa de un triangulo rectangulo dado |
sinh, cosh, tanh | calcular seno hiperbólico, coseno y tangente |
arcsinh, arccosh, arctanh | calcular el seno hiperbólico inverso, el coseno y la tangente |
grados2rad | convertir grados en radianes |
rad2deg | convertir radianes en grados |
Python3
# 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-
Función | Descripción |
---|---|
amin, amax | devuelve el mínimo o el máximo de una array o a lo largo de un eje |
ptp | devuelve el rango de valores (máximo-mínimo) de una array o a lo largo de un eje |
percentil(a, p, eje) | calcular el percentil pth de la array o a lo largo del eje especificado |
mediana | calcular la mediana de los datos a lo largo del eje especificado |
significar | calcular la media de los datos a lo largo del eje especificado |
estándar | calcular la desviación estándar de los datos a lo largo del eje especificado |
variable | calcular la varianza de los datos a lo largo del eje especificado |
promedio | calcular el promedio de datos a lo largo del eje especificado |
Python3
# 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-
Función | Descripción |
---|---|
bit a bit_y | realiza una operación bit a bit y en dos elementos de array |
bitwies_or | realiza una operación bit a bit o en dos elementos de array |
bit a bit_xor | realiza la operación xor bit a bit en dos elementos de array |
invertir | realiza la inversión bit a bit de los elementos de una array |
Shift izquierdo | desplazar los bits de los elementos a la izquierda |
Giro a la derecha | desplazar los bits de los elementos a la izquierda |
Python3
# 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]
Publicación traducida automáticamente
Artículo escrito por Tanvi_Garg y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA