本文只是简单罗列一下再机器学习过程中遇到的常用的数学函数。
1. math.fabs(x): 返回x的绝对值。同numpy。
>>> import numpy>>> import math>>> numpy.fabs(-5)5.0>>> math.fabs(-5)5.0
2. x.astype(type): 返回type类型的x, type 一般可以为numpy.int, numpy.float等,没有math.int等。
>>> import numpy as np>>> d = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]], dtype=np.float)>>> f=d.astype(np.int)>>> print f[[ 1 2 3 4] [ 5 6 7 8] [ 9 10 11 12]]>>> darray([[ 1., 2., 3., 4.], [ 5., 6., 7., 8.], [ 9., 10., 11., 12.]])
3. numpy.frompyfunc(func, para_size, valu_size): 将一个计算单个元素的函数func 转换成计算能计算多个元素的函数，返回类型为object。
>>> f=np.frompyfunc(np.fabs, 1,1)>>> f([-1,-2,-3,-4])array([1.0, 2.0, 3.0, 4.0], dtype=object)
4. numpy.zeros_like(x): 返回一个用0填充的跟输入数组形 x 状和类型一样的数组。类似的还有 np.ones_like(), np.empty_like(), math包没有该函数。
>>> darray([[ 1., 2., 3., 4.], [ 5., 6., 7., 8.], [ 9., 10., 11., 12.]])>>> np.zeros_like(d)array([[ 0., 0., 0., 0.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.]])>>> np.empty_like(d)array([[ 0., 0., 0., 0.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.]])>>> np.ones_like(d)array([[ 1., 1., 1., 1.], [ 1., 1., 1., 1.], [ 1., 1., 1., 1.]])
5. numpy.exp(x)： 返回e的x次方， math函数同此。
>>> np.exp(2)7.3890560989306504>>> math.exp(2)7.38905609893065
6. numpy.sqrt(x): 返回x的平方根， math函数同此。
>>> math.exp(2)7.38905609893065>>> math.sqrt(2)1.4142135623730951>>> numpy.sqrt(2)1.4142135623730951>>> numpy.sqrt(4)2.0
7. numpy.e, numpy.pi： 引用e, pi， math函数同此。
>>> np.e2.718281828459045>>> np.pi3.141592653589793>>> math.e2.718281828459045>>> math.pi3.141592653589793