Scipy特殊包

特殊包中可用的功能是通用功能，它遵循廣播和自動數組循環。

下面來看看一些最常用的特殊函數功能 -

下面來簡單地瞭解這些函數。

立方根函數

這個立方根函數的語法是 - scipy.special.cbrt(x)。這將獲取x的基於元素的立方體根。

參考下面的一個例子 -

from scipy.special import cbrt
res = cbrt([10, 9, 0.1254, 234])
print (res)

執行上面示例代碼，得到以下結果 -

[ 2.15443469 2.08008382 0.50053277 6.16224015]

指數函數

指數函數的語法是 - scipy.special.exp10(x)。這將計算10 ** x的值。

參考下面的一個例子 -

from scipy.special import exp10
res = exp10([2, 4])
print (res)

執行上面示例代碼，得到以下結果 -

[   100.  10000.]

相對誤差指數函數

這個函數的語法是 - scipy.special.exprel(x)。它生成相對誤差指數，(exp(x) - 1/x。

當x接近零時，exp(x)接近1，所以exp(x)-1的數值計算可能遭受災難性的精度損失。然後exprel(x)被實現以避免精度的損失，這在x接近於零時發生。

參考下面的一個例子。

from scipy.special import exprel
res = exprel([-0.25, -0.1, 0, 0.1, 0.25])
print (res)

執行上面示例代碼，得到以下結果 -

[0.88479687 0.95162582 1.   1.05170918 1.13610167]

對數和指數函數

這個函數的語法是 - scipy.special.logsumexp(x)。它有助於計算輸入元素指數總和的對數。

參考下面的一個例子 -

from scipy.special import logsumexp
import numpy as np
a = np.arange(10)
res = logsumexp(a)
print (res)

執行上面示例代碼，得到以下結果 -

9.45862974443

蘭伯特函數

這個函數的語法是 - scipy.special.lambertw(x)。它也被稱爲蘭伯特W函數。蘭伯特W函數W(z)定義爲w * exp(w)的反函數。換句話說，對於任何複數z，W(z)的值都是z = W(z)* exp(W(z))。

蘭伯特W函數是一個具有無限多分支的多值函數。每個分支給出了方程z = w exp(w)的單獨解。這裏，分支由整數k索引。

參考下面的一個例子。這裏，蘭伯特W函數是w exp(w)的逆函數。

from scipy.special import lambertw
w = lambertw(1)
print (w)
print (w * np.exp(w))

上述程序將生成以下輸出 -

(0.56714329041+0j)
(1+0j)

排列和組合

下面將分開討論排列和組合，以便清楚地理解它們。

組合 - 組合函數的語法是 - scipy.special.comb(N，k)。參考下面的一個例子 -

from scipy.special import comb
res = comb(10, 3, exact = False,repetition=True)
print (res)

執行上面示例代碼，得到以下結果 -

220.0

注 - 數組參數僅適用於exact = False大小寫。如果k> N，N <0或k <0，則返回0。

排列 - 組合函數的語法是 - scipy.special.perm(N，k)。一次取k個N個東西的排列，即N個k個排列。這也被稱爲「部分排列」。

參考下面的一個例子。

from scipy.special import perm
res = perm(10, 3, exact = True)
print (res)

上述程序將生成以下輸出 -

伽馬函數
由於z * gamma(z)= gamma(z + 1)和gamma(n + 1)= n！，所以對於自然數'n'，伽馬函數通常被稱爲廣義階乘。

組合函數的語法是 - scipy.special.gamma(x)。一次取k個N個東西的排列，即N個k個排列。這也被稱爲「部分排列」。

from scipy.special import gamma
res = gamma([0, 0.5, 1, 5])
print (res)

執行上面示例代碼，得到以下結果 -

[inf  1.77245385  1.  24.]

Scipy教程