1、算术运算
算术运算是数据分析中最基本的运算,包括加、减、乘、除、取模、取幂、取平方根等。
1)加减乘除
import numpy as np
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
# 加法
c = a + b # 或 np.add(a, b)
print(c)
# 减法
d = a - b # 或 np.subtract(a, b)
print(d)
# 乘法
e = a * b # 或 np.multiply(a, b)
print(e)
# 除法
f = a / b # 或 np.divide(a, b)
print(f)
2)幂运算和开方
import numpy as np
a = np.array([1, 2, 3])
# 幂运算
g = a ** 2 # 或 np.power(a, 2)
print(g)
# 开方
h = np.sqrt(g)
print(h)
2、逻辑运算
NumPy 提供了基本的逻辑运算符,包括等于、不等于、大于、小于、大于等于、小于等于、逻辑与、逻辑或、逻辑非等。
import numpy as np
a = np.array([1, 2, 3])
b = np.array([1, 2, 3])
c = a == b
print(c) # [ True True True]
c = a >= b
print(c) # [ True True True]
3、统计运算
NumPy 提供了大量的统计运算函数,包括求和、平均值、最大值、最小值、方差、标准差等。
1)求和、最小值、最大值
import numpy as np
a = np.array([1, 2, 3])
# 求和
array_sum = np.sum(a)
print(array_sum)
# 最小值
min_value = np.min(a)
print(min_value)
# 最大值
max_value = np.max(a)
print(max_value)
2)平均值、中位数、标准差
import numpy as np
a = np.array([1, 2, 3])
# 平均值
mean_value = np.mean(a)
print(mean_value)
# 中位数
median_value = np.median(a)
print(median_value)
# 标准差
std_dev = np.std(a)
print(std_dev)
4、线性代数运算
Python NumPy 提供了大量的线性代数运算函数,包括加法、减法、乘法、除法、矩阵乘积、转置、逆矩阵、行列式、特征值、特征向量等。
1)点积和矩阵乘法
import numpy as np
a = np.array([1, 2, 3])
b = np.array([1, 2, 3])
# 点积
dot_product = np.dot(a, b)
print(dot_product)
# 矩阵乘法
mat_product = np.matmul(a, b) # 对于一维数组,matmul 等同于 dot
print(mat_product)
2)矩阵转置和逆
import numpy as np
A = np.array([[1, 2], [3, 4]])
# 转置
A_transpose = A.T # 或 np.transpose(A)
print(A_transpose)
# 逆矩阵
A_inverse = np.linalg.inv(A)
print(A_inverse)
3)矩阵行列式
import numpy as np
a = np.array([[1, 2], [3, 4]])
b = np.linalg.det(a)
print(b)
4)矩阵特征值和特征向量
import numpy as np
a = np.array([[1, 2], [3, 4]])
b, c = np.linalg.eig(a)
print(b)
print(c)