SciPy特殊包装

特殊包装中可用的功能是通用功能，它遵循广播和自动数组循环。

让我们看看一些最常用的特殊功能 -

现在让我们简单地了解这些功能。

这个立方根函数的语法是 - scipy.special.cbrt（x）。这将获取 x的基于元素的立方体根。

让我们考虑下面的例子。

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

上述程序将生成以下输出。

[ 2.15443469 2.08008382 0.50053277 6.16224015]

指数函数的语法是 - scipy.special.exp10（x）。这将计算10 ** x元素明智。

让我们考虑下面的例子。

from scipy.special import exp10
res = exp10([2, 9])
print res

上述程序将生成以下输出。

[1.00000000e+02  1.00000000e+09]

这个函数的语法是 - scipy.special.exprel（x）。它生成相对误差指数，（exp（x） - 1）/ x。

当 x 接近零时，exp（x）接近1，所以exp（x）-1的数值计算会遭受灾难性的精度损失。然后exprel（x）被实现以避免精度的损失，这在 x 接近于零时发生。

让我们考虑下面的例子。

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

上述程序将生成以下输出。

[0.88479687 0.95162582 1.   1.05170918 1.13610167]

这个函数的语法是 - scipy.special.logsumexp（x）。它有助于计算输入元素指数总和的对数。

让我们考虑下面的例子。

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

上述程序将生成以下输出。

9.45862974443

这个函数的语法是 - scipy.special.lambertw（x）。它也被称为兰伯特W函数。兰伯特W函数W（z）被定义为w exp（w）的反函数。换句话说，对于任何复数z，W（z）的值都是z = W（z） exp（W（z））。

兰伯特W函数是具有无限多分支的多值函数。每个分支给出了方程z = w exp（w）的单独解。这里，分支由整数k索引。

让我们考虑下面的例子。这里，兰伯特W函数是w exp（w）的倒数。

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

上述程序将生成以下输出。

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

让我们分开讨论排列和组合，以便清楚地理解它们。

组合 - 组合函数的语法是 - scipy.special.comb（N，k）。让我们考虑下面的例子 -

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

上述程序将生成以下输出。

220.0

注 - 数组参数仅适用于exact = False大小写。如果k> N，N <0或k <0，则返回0。

排列 - 组合函数的语法是 - scipy.special.perm（N，k）。一次取k个N个东西的排列，即N个k个排列。这也被称为“部分排列”。

让我们考虑下面的例子。

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

上述程序将生成以下输出。

由于z * gamma（z）= gamma（z + 1）和gamma（n + 1）= n！，所以对于自然数'n'，伽马函数通常被称为广义因子。

组合函数的语法是 - scipy.special.gamma（x）。一次取k个N个东西的排列，即N个k个排列。这也被称为“部分排列”。

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

上述程序将生成以下输出。

[inf  1.77245385  1.  24.]