#10. Базовые математические функции | NumPy уроки

• Рассматриваются методы для работы с массивами: сумма, среднее арифметическое, минимальное и максимальное значения.  

• Пример использования методов для одномерного массива.  

• Преобразование одномерного массива в двумерный и вычисление суммы по осям.  

• Функции для работы с массивами и числами: модуль, максимальное и минимальное значения, округление до ближайшего целого.  

• Примеры использования функций для одномерного и двумерного массивов.  

• Функции для нахождения индексов максимального и минимального значений.  

• Основные тригонометрические функции: синус, косинус, тангенс и арккосинус, арксинус, арктангенс.  

• Пример использования функций для вычисления синусов и косинусов углов.  

• Преимущества использования функций из библиотеки NumPy перед встроенными функциями Python.  

• Модуль random для генерации случайных чисел.  

• Функция rand для генерации вещественных чисел в диапазоне от 0 до 1.  

• Функция randint для генерации целых чисел в диапазоне от 0 до 10.  

• Функция randn для генерации нормальных случайных величин.  

• Другие функции для генерации случайных величин по распределению Порета и бета-распределению.  

• Функция seed позволяет генерировать случайные числа с фиксированным начальным значением.  

• Пример: при запуске программы с seed 13, случайные числа будут одинаковыми.  

• Это полезно для сохранения начальных значений в нейронных сетях и других приложениях.  

• Функция shuffle перемешивает элементы массива случайным образом.  

• Работает только по оси 0, то есть перетасовывает строки двумерного массива.  

• Вторая функция позволяет перемешивать элементы на лету без использования массива.  

• Функции для вычисления медианы, дисперсии, среднеквадратического отклонения и коэффициентов корреляции.  

• Пример: вычисление медианы и дисперсии для массивов x и y.  

• Для расчета коэффициента корреляции Пирсона используется функция corrco.  

• Функция cov вычисляет автокорреляционную матрицу.  

• Функция corrco вычисляет взаимную корреляцию между двумя векторами.  

• Более подробную информацию можно найти в официальной документации пакета NumPy.  

• На следующем занятии будут рассмотрены умножение векторов и матриц, линейная алгебра и множества.