628 字
3 分钟
数据分析|基本数学函数

8.1 基本数学函数
NumPy 提供了一系列数学函数,下表列出了常用的基本数学函数:
| 函数 | 功能 |
|---|---|
np.sqrt(x) | 计算平方根 |
np.exp(x) | 计算指数 |
np.log(x) | 计算自然对数 |
np.sin(x) / np.cos(x) | 计算正弦值 / 余弦值 |
np.abs(x) | 计算绝对值 |
np.power(a, b) | 计算 |
np.round(x, n) | 四舍五入到 n 位小数 |
np.ceil(x) / np.floor(x) | 向上取整 / 向下取整 |
np.isnan(x) | 检测是否为缺失值 NaN |
8.2 平方根
np.sqrt() 可以计算标量或数组中每个元素的平方根:
import numpy as np
# 计算标量的平方根print(np.sqrt(9))
# 计算列表中每个元素的平方根print(np.sqrt([1, 4, 9]))
# 计算数组中每个元素的平方根arr = np.array([1, 25, 81])print(np.sqrt(arr))输出:
3.0[1. 2. 3.][1. 5. 9.]8.3 指数与对数
np.exp(x) 计算 ,np.log(x) 计算 (自然对数),两者互为逆运算。
# 计算 e 的 1 次方print(np.exp(1))输出:
2.718281828459045# 计算 e 的自然对数print(np.log(2.718281828459045))输出:
1.08.4 三角函数
np.sin() 和 np.cos() 接受弧度值作为参数。NumPy 提供了 np.pi 常量表示 。
# 计算正弦值和余弦值print(np.sin(np.pi / 2)) # sin(90°) = 1print(np.cos(np.pi)) # cos(180°) = -1输出:
1.0-1.08.5 绝对值
np.abs() 计算数组中每个元素的绝对值:
arr = np.array([-1, 1, 2, -3])print(np.abs(arr))输出:
[1 1 2 3]8.6 幂运算
np.power(a, b) 计算 a 的 b 次幂,支持数组逐元素运算:
arr = np.array([-1, 1, 2, -3])print(np.power(arr, 2))输出:
[1 1 4 9]8.7 四舍五入与取整
四舍五入: np.round() 将数值四舍五入到指定小数位。注意:.5 的情况会向偶数方向舍入(银行家舍入法)。
print(np.round([3.2, 4.51, 4.5, 8.1, 9.6]))输出:
[ 3. 5. 4. 8. 10.]向上取整与向下取整:
arr = np.array([1.6, 25.1, 81.7])print(np.ceil(arr)) # 向上取整print(np.floor(arr)) # 向下取整输出:
[ 2. 26. 82.][ 1. 25. 81.]8.8 检测缺失值
np.isnan() 用于检测数组中是否存在 NaN(Not a Number)缺失值,返回布尔数组:
result = np.isnan([1, 2, np.nan, 3])print(result)输出:
[False False True False]在实际数据分析中,缺失值检测是数据清洗的重要前置步骤。np.isnan() 常与布尔索引配合使用,定位并处理缺失数据。
8.9 本节小结
本节完成了以下内容:
- 掌握了
np.sqrt()、np.exp()、np.log()等指数/对数运算。 - 掌握了
np.sin()、np.cos()等三角函数的使用(参数为弧度)。 - 掌握了
np.abs()、np.power()、np.round()、np.ceil()、np.floor()等基础数学函数。 - 掌握了
np.isnan()检测缺失值的方法。
下一节我们将学习 NumPy 中的统计函数,包括求和、平均值、中位数、标准差、方差等。
数据分析
连载中分享文章
生成精美分享图或复制链接,与更多人分享本文。
继续阅读
换条路线
从其他文章中稳定抽取
最后更新于 ,距今已过 95 天
部分内容可能已过时
评论