NumPy 教程

NumPy 首页 NumPy 简介 NumPy 环境

数组

NumPy Ndarray 对象 NumPy 数据类型

创建和操作数组

NumPy 数组创建例程 NumPy 数组操作 NumPy 基于现有数据创建数组 NumPy 基于数值范围创建数组 NumPy 数组迭代 NumPy 重塑数组 NumPy 连接数组 NumPy 堆叠数组 NumPy 拆分数组 NumPy 展平数组 NumPy 转置数组

索引与切片

NumPy 索引 &切片 NumPy 索引 NumPy 切片 NumPy 高级索引 NumPy 高级索引 NumPy 字段访问 NumPy 使用布尔数组切片

数组属性与操作

NumPy 数组属性 NumPy 数组形状 NumPy 数组大小 NumPy 数组步长 NumPy 数组元素大小 NumPy 广播 NumPy 算术运算 NumPy 数组加法 NumPy 数组减法 NumPy 数组乘法 NumPy 数组除法

高级数组运算

NumPy 交换数组的轴 NumPy 字节交换 NumPy 副本和视图 NumPy 逐元素数组比较 NumPy 过滤数组 NumPy 连接数组 NumPy 排序、搜索& 计数函数 NumPy 搜索数组 NumPy 数组并集 NumPy 查找唯一行 NumPy 创建日期时间数组 NumPy 二元运算符 NumPy 字符串函数 NumPy 矩阵库 NumPy 线性代数 NumPy Matplotlib NumPy 使用 Matplotlib 绘制直方图

排序和高级操作

NumPy 数组排序 NumPy 沿轴排序 NumPy 使用花式索引进行排序 NumPy 结构化数组 NumPy 创建结构化数组 NumPy 操作结构化数组 NumPy 记录数组 NumPy 加载数组 NumPy 保存数组 NumPy 将值附加到数组 NumPy 交换列数组 NumPy 将轴插入数组

处理缺失数据

NumPy 处理缺失数据 NumPy 识别缺失值 NumPy 移除缺失数据 NumPy 插补缺失值数据

性能优化

NumPy 使用数组进行性能优化

线性代数

NumPy 线性代数 NumPy 矩阵库 NumPy 矩阵加法 NumPy 矩阵减法 NumPy 矩阵乘法 NumPy 逐元素矩阵运算 NumPy 点积 NumPy 矩阵求逆 NumPy 行列式计算 NumPy 特征值 NumPy 特征向量 NumPy 奇异值分解 NumPy 求解线性方程 NumPy 矩阵范数

元素级矩阵运算

NumPy 总和 NumPy 平均值 NumPy 中位数 NumPy 最小值 NumPy 最大值

集合运算

NumPy 唯一元素 NumPy 交集 NumPy 并集 NumPy 差集

随机数生成

NumPy 随机数生成器 NumPy 排列和重排 NumPy 均匀分布 NumPy 正态分布 NumPy 二项分布 NumPy 泊松分布 NumPy 指数分布 NumPy 瑞利分布 NumPy 逻辑分布 NumPy 帕累托分布 NumPy 使用 Seaborn 可视化分布 NumPy 多项分布 NumPy 卡方分布 NumPy Zipf 分布

文件输入 &输出

NumPy 使用 NumPy 进行 I/O NumPy 从文件读取数据 NumPy 将数据写入文件 NumPy 支持的文件格式

数学函数

NumPy 数学函数 NumPy 三角函数 NumPy 指数函数 NumPy 对数函数 NumPy 双曲函数 NumPy 舍入函数

傅里叶变换

NumPy 离散傅里叶变换 (DFT) NumPy 快速傅里叶变换 (FFT) NumPy 逆傅里叶变换 NumPy 傅里叶级数和变换 NumPy 信号处理应用 NumPy 卷积

多项式

NumPy 多项式表示 NumPy 多项式运算 NumPy 求多项式的根 NumPy 求多项式的根

统计

NumPy 统计函数 NumPy 描述性统计

日期时间函数

NumPy 日期和时间基础知识 NumPy 表示日期和时间 NumPy 日期和时间运算 NumPy 使用日期时间进行索引 NumPy 时区处理 NumPy 时间序列分析 NumPy 处理时间增量 NumPy 闰秒处理 NumPy 矢量化日期时间运算

ufunc

NumPy ufunc 简介 NumPy 创建通用函数 (ufunc) NumPy 算术通用函数 (ufunc) NumPy 小数舍入 ufunc NumPy 对数通用函数(ufunc) NumPy 求和通用函数 (ufunc) NumPy 乘积通用函数 (ufunc) NumPy 差分通用函数 (ufunc) NumPy 寻找最小公倍数 (LCM) NumPy 寻找最大公约数 (GCD) NumPy 三角函数 (ufunc) NumPy 双曲线 (ufunc) NumPy 集合运算(ufunc)

实用资源

NumPy 快速指南 NumPy 备忘单


NumPy arctanh() 函数

NumPy arctanh() 函数计算输入数组中每个元素的反双曲正切(面积双曲正切)。反双曲正切也称为 atanhtanh-1,数学定义为 −

arctanh(x) = 0.5 * ln((1 + x) / (1 - x))

该函数是双曲正切函数 (tanh()) 的逆函数,返回以弧度为单位的值。 arctanh() 是一个多值函数,对于每个实数 x,都有无穷多个复数 z 满足 tanh(z) = x。惯例是返回虚部位于 [-pi/2, pi/2] 之间的 z。

对于实值输入数据类型,arctanh 始终返回实数输出。对于每个不能表示为实数或无穷大的值,它将返回 nan 并设置无效浮点错误标记。

对于复数输入,arctanh() 是一个复解析函数,其范围介于 [-1, -infinite][1, infinite] 之间,并且前者从上方连续,后者从下方连续。

语法

以下是 NumPy arctanh() 函数的语法 -

numpy.arctanh(x, out=None, where=True, casting='same_kind', order='K', dtype=None, subok=True)

参数

以下是NumPy arctanh() 函数 −

  • x:输入数组,可以是 NumPy 数组、列表或标量值。为了获得真实结果,元素必须满足 -1 < x < 1。
  • out(可选):用于放置结果的备用输出数组。其形状必须与预期输出相同。
  • where(可选):布尔值数组。如果为 True,则计算结果;否则,保留相应的输出元素不变。
  • dtype(可选):指定结果的数据类型。
  • casting(可选):确保进行等效类型转换。例如,允许从 `float32` 转换为 `float64`,但不允许从 `float64` 转换为 `int32`。
  • subok(可选):确定在数据类型发生变化时是否对输出数组进行子类化,或者返回基类数组。
  • order(可选):指定数组的内存布局 -
  • 'C':C 风格的行优先顺序。
  • 'F':Fortran 风格的列优先顺序。
  • 'A':如果输入是 Fortran 连续的,则为 'F',否则为 'C'。
  • 'K':这是默认值。使顺序尽可能接近输入。

返回值

此函数返回一个 NumPy 数组,其中包含输入值的反双曲正切值。如果输入值超出范围,则结果为 nan

示例

以下是使用 NumPy arctanh() 函数计算数组中每个元素的反双曲正切值的基本示例 -

import numpy as np
# 输入数组
x = np.array([-0.5, 0, 0.5])
# 应用 arctanh
result = np.arctanh(x)
print("Arctanh 结果:", result)

输出

以下是上述代码的输出 -

Arctanh 结果: [-0.54930614 0. 0.54930614]

示例:标量输入作为参数

arctanh() 函数也接受标量输入。在以下示例中,我们将 0.5 作为参数传递给 arctanh() 函数 -

import numpy as np
# 标量输入
scalar = 0.5
# 应用反正切函数
result = np.arctanh(scalar)
print("标量输入的反正切结果:", result)

输出

以下是上述代码的输出 -

标量输入的反正切结果:0.5493061443340548

示例:多维数组

arctanh() 函数用于对多维数组进行运算。在以下示例中,我们创建了一个 2X2 NumPy 数组,其中每个元素计算其反双曲正切值 -

import numpy as np
# 二维数组
x = np.array([[-0.5, 0], [0.5, 0.8]])
result = np.arctanh(x)
print("二维数组的反正切结果:
", result)

输出

以下是上述代码的输出 -

二维数组的反正切结果:
[[-0.54930614 0. ]
[ 0.54930614 1.09861229]]

示例:绘制 arctanh() 函数

在下面的示例中,我们绘制了 arctanh() 函数的行为。为此,我们需要导入 numpymatplotlib.pyplot 模块 -

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-0.99, 0.99, 100) # 输入范围 (-1 < x < 1)
y = np.arctanh(x) # 应用 arctanh
plt.plot(x, y)
plt.title("反双曲正切函数")
plt.xlabel("Input")
plt.ylabel("arctanh(x)")
plt.grid()
plt.show()

numpy_trigonometric_functions.html