NumPy sign() 函数

NumPy sign() 函数用于确定数组中每个元素的符号。负值返回 -1，零返回 0，正值返回 1。

语法

以下是 NumPy sign() 函数的语法 -

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

参数

此函数接受以下参数 -

• x: 需要确定元素符号的输入数组。
• out(可选): 存储结果的位置。如果提供，则必须具有输入广播到的形状。如果未提供或为 None，则返回一个新分配的数组。
• where(可选):此条件通过输入进行广播。在条件为 True 的位置，out 数组将设置为 ufunc 结果。否则，它将保留其原始值。
• casting(可选):控制可能发生的数据转换类型。默认为"same_kind"。
• order(可选):控制结果的内存布局顺序。"C"表示 C 顺序，"F"表示 Fortran 顺序，"A"表示如果输入均为 F，则为"F"，否则为"C"，"K"表示尽可能匹配输入的布局。
• dtype(可选):返回数组的类型以及元素求和的累加器的类型。除非指定 dtype，否则默认使用 x 的 dtype。
• subok(可选): 如果为 True，则将传递子类，否则返回的数组将被强制为基类数组。

返回值

此函数返回一个数组，其中包含输入数组 x 中每个元素的符号。如果提供了 out，则返回对 out 的引用。

示例:sign() 函数的基本用法

在以下示例中，我们创建一个包含混合有符号数的一维数组，并使用 sign() 函数确定每个元素的符号 -

import numpy as np

# 创建一维数组
arr = np.array([-5, 0, 3, -2, 4])

# 确定每个元素的符号
result = np.sign(arr)
print(result)

以下是获得的输出 -

[-1  0  1 -1  1]

示例:sign() 函数处理浮点数

在此示例中，我们创建一个浮点数数组，并使用 sign() 函数查找这些数字的符号 -

import numpy as np

# 创建一个一维浮点数数组
arr = np.array([-1.5, 2.0, -3.5, 0.0, 4.5])

# 确定每个元素的符号
result = np.sign(arr)
print(result)

这将产生以下结果 -

[-1.   1. -1.0.  1.]

示例:sign() 函数处理复数

在本例中，我们创建一个复数数组，并使用 sign() 函数确定其实部的符号 -

import numpy as np

# 创建复数数组
arr = np.array([1+2j, -3-4j, 0+1j, -2+0j])

# 确定每个元素实部的符号
result = np.sign(arr)
print(result)

以下是上述代码的输出 -

[ 1.+0.j -1.+0.j  1.+0.j -1.+0.j]

示例:sign() 函数与矩阵的结合

在本例中，我们创建一个包含混合有符号数的二维数组(矩阵)，并使用 sign() 函数确定每个元素的符号 -

import numpy as np

# 创建二维数组
arr = np.array([[1, -2, 0], [-3, 4, -5]])

# 确定每个元素的符号
result = np.sign(arr)
print(result)

这将产生以下结果 -

[[ 1 -1  0]
 [-1  1 -1]]

numpy_arithmetic_operations.html