NumPy 双曲函数
NumPy 提供了 sinh()、cosh() 和 tanh() 等 ufunc，它们接受弧度值并生成相应的双曲正弦、双曲余弦和双曲正切值。
示例：
代码语言：python代码运行次数：0复制import numpy as np
x = np.sinh(np.pi/2)
print(x)示例
找到数组 arr 中所有值的双曲余弦值：
import numpy as np
arr = np.array([np.pi/2, np.pi/3, np.pi/4, np.pi/5])
x = np.cosh(arr)
print(x)查找角度
从双曲正弦、双曲余弦、双曲正切值查找角度。例如，sinh、cosh 和 tanh 的反函数（arcsinh、arccosh、arctanh）。
NumPy 提供了 arcsinh()、arccosh() 和 arctanh() 等 ufunc，它们给出相应 sinh、cosh 和 tanh 值的弧度值。
示例
找到 1.0 的角度：
import numpy as np
x = np.arcsinh(1.0)
print(x)数组中每个值的角度
示例
找到数组中所有 tanh 值的角度：
import numpy as np
arr = np.array([0.1, 0.2, 0.5])
x = np.arctanh(arr)
print(x)NumPy 集合操作
什么是集合
在数学中，集合是一组唯一元素的集合。
集合用于频繁进行交集、并集和差集运算。
在 NumPy 中创建集合
我们可以使用 NumPy 的 unique() 方法从任何数组中找到唯一元素。例如，创建一个集合数组，但请记住，集合数组应该只是一维数组。
示例
将以下包含重复元素的数组转换为集合：
代码语言：python代码运行次数：0复制import numpy as np
arr = np.array([1, 1, 1, 2, 3, 4, 5, 5, 6, 7])
x = np.unique(arr)
print(x)查找并集
要找到两个数组的唯一值，请使用 union1d() 方法。
示例
找到以下两个集合数组的并集：
代码语言：python代码运行次数：0复制import numpy as np
arr1 = np.array([1, 2, 3, 4])
arr2 = np.array([3, 4, 5, 6])
newarr = np.union1d(arr1, arr2)
print(newarr)查找交集
要找到仅在两个数组中都存在的值，请使用 intersect1d() 方法。
示例
找到以下两个集合数组的交集：
代码语言：python代码运行次数：0复制import numpy as np
arr1 = np.array([1, 2, 3, 4])
arr2 = np.array([3, 4, 5, 6])
newarr = np.intersect1d(arr1, arr2, assume_unique=True)
print(newarr)注意： intersect1d() 方法接受一个可选参数 assume_unique，如果设置为 True，则可以加快计算速度。在处理集合时应始终将其设置为 True。
查找差集
要找到第一个集合中存在但第二个集合中不存在的值，请使用 setdiff1d() 方法。
示例
找到 set2 中不存在的 set1 的差集：
代码语言：python代码运行次数：0复制import numpy as np
set1 = np.array([1, 2, 3, 4])
set2 = np.array([3, 4, 5, 6])
newarr = np.setdiff1d(set1, set2, assume_unique=True)
print(newarr)注意： setdiff1d() 方法接受一个可选参数 assume_unique，如果设置为 True，则可以加快计算速度。在处理集合时应始终将其设置为 True。
查找对称差
要找到两个集合中都不存在的值，请使用 setxor1d() 方法。
示例
找到 set1 和 set2 的对称差：
代码语言：python代码运行次数：0复制import numpy as np
set1 = np.array([1, 2, 3, 4])
set2 = np.array([3, 4, 5, 6])
newarr = np.setxor1d(set1, set2, assume_unique=True)
print(newarr)注意： setxor1d() 方法接受一个可选参数 assume_unique，如果设置为 True，则可以加快计算速度。在处理集合时应始终将其设置为 True。
最后
为了方便其他设备和平台的小伙伴观看往期文章：
微信公众号搜索：Let us Coding，关注后即可获取最新文章推送
看完如果觉得有帮助，欢迎点赞、收藏、关注
