Python 基础 (标准库):math (数学函数)

avatar
作者
筋斗云
阅读量:2

1. 官方文档

math --- 数学函数 — Python 3.12.2 文档

cmath --- 关于复数的数学函数 — Python 3.12.2 文档

Python 中,可以使用内置的数学运算符,例如加法 (+)、减法 (-)、除法 (/) 和乘法 (*) 进行简单的数学运算。不过,更高级的运算,如指数函数、对数函数、三角函数或幂函数,并没有内置函数,需要使用 Python 标准库中一个专门为高级数学运算设计的模块:math 模块。

 2. 常量

名称

描述

Pi

圆周率 π 是圆的周长 (c) 与直径 (d) 之比,无理数。

math.pi 返回一个保留到小数点后 15 位的浮点数。

Tau

圆的周长与半径之比(Tau=2π),无理数。

math.tau 返回一个保留到小数点后 15 位的浮点数。

许多数学表达式使用 2π,因而使用 tau 可以简化方程。例如,不用 2πr 来计算圆的周长,用更简单的方程 τr。可以根据需要自由地使用 2π 或 τ。

Euler’s number

欧拉常数 (e) 是自然对数的底,无理数,约等于2.71828。

math.e 返回一个保留到小数点后 15 位的浮点数。

欧拉常数是一个重要常数,有许多实际用途,如计算人口随时间的增长率或放射性衰变率。

Infinity

无穷是一个数学概念,表示无限,分为正无穷大和负无穷大。

math.inf  等价于 float("inf")

Not a number (NaN)

NaN 不是一个数学概念,它起源于计算机科学领域,作为对非数字值的引用。NaN 值可能是由无效的输入产生的,或表示应该是数字的变量已被文本字符或符号损坏。

math.nan 等价于 float("nan")

请使用 math.isnan() 函数来检查一个数字是否为 NaN,而不能使用 is 或 ==。

 代码说明:

math.pi # 3.141592653589793 math.tau # 6.283185307179586 math.e # 2.718281828459045 math.inf # inf math.nan # nan  math.pi * 2 == math.tau # True  float('inf') == math.inf # True math.inf == math.inf # True math.inf == -math.inf # False   float('nan') == math.nan # False math.isnan(math.nan) # True math.isnan(float('nan')) # True

3. 数论与表示函数

3.1 函数概览

math.factorial(n)

返回 n 的阶乘。

如果 n 不是正数或不是整数会引发 ValueError。

自 3.9 版本,接受具有整数值的浮点数 (例如 5.0) 的行为被弃用。

math.comb(n, k)

在 3.8 版本加入.

组合数,返回不重复且无顺序地从 n 项中选择 k 项的方式总数。

具体来说:

当 k <= n 时取值为 n! / (k! * (n - k)!);

当 k > n 时取值为零。

也叫二项式系数,它也是 (1 + x)ⁿ 的多项式展开中第 k 项的系数。

如果任一参数不为整数则会引发 TypeError。 如果任一参数为负数则会引发 ValueError。

math.perm(n, k=None)

在 3.8 版本加入.

排列数,返回不重复且有顺序地从 n 项中选择 k 项的方式总数。

具体来说:

当 k <= n 时取值为 n! / (n - k)!;

当 k > n 时取值为零。

如果 k 未指定或为 None,则 k 默认值为 n 并且函数将返回 n!。

如果任一参数不为整数则会引发 TypeError。 如果任一参数为负数则会引发 ValueError。

math.ceil(x)

返回 x 的向上取整,即大于或等于 x 的最小的整数。

输入整数值时,返回相同的数字;输入非数值内容(如字符串)引发 TypeError。

math.floor(x)

返回 x 的向下取整,小于或等于 x 的最大整数。

输入整数值时,返回相同的数字;输入非数值内容(如字符串)引发 TypeError。

math.trunc(x)

返回去除小数部分的 x ,只留下整数部分。 

trunc() 对于正的 x 相当于 floor() ,对于负的 x 相当于 ceil() ,向 0 取近似(rounded downward toward zero)。

math.modf(x)

返回 x 的小数和整数部分。

两个结果都带有 x 的符号并且是浮点数。

math.isinf(x)

如果 x 是正或负无穷大,则返回 True ,否则返回 False。

math.isnan(x)

如果 x 是 NaN,则返回 True ,否则返回 False。

math.isfinite(x)

如果 x 既不是无穷大也不是 NaN,返回 True,否则返回 False。

math.isclose(a, b, *, rel_tol=1e-09, abs_tol=0.0)

根据给定的绝对差值和相对差值,确定两个值是否可视为是接近的,若 a、b 的值比较接近返回 True,否则返回 False。

Relative tolerance (rel_tol): 百分数表示的相对于输入数据的量级的最大差值(也称差值容忍度或阈值,小于对应值时才能才认为两数接近)

例如,想要设置 5% 的容差,需传递 rel_tol=0.05。

默认值是 1e-09=0.000000001,两数至少小数点后9位都一致。

Absolute tolerance (abs_tol): 绝对值形式的最大差值,不考虑输入数据的量级。默认值是 0。  

判定规则可以概括为: 

abs(a-b) <= max(rel_tol * max(abs(a), abs(b)), abs_tol) 

对于特殊值:

NaN 不接近任何其他值,包括 NaN;inf 和 -inf 只与自己接近。

math.fabs(x)

返回 x 的绝对值。

math.fabs 与 内置函数 abs 的区别:

math.fabs 只能接收一个参数,即一个浮点数,返回该浮点数的绝对值,结果始终为浮点数。 abs 是 Python 内置函数,它可以接收一个参数,可以是整数、浮点数、复数等,返回该数的绝对值,结果的类型与参数的类型相同。

math.copysign(x, y)

返回一个基于 x 的绝对值和 y 的符号的浮点数。

copysign(1.0, -2) 返回值为 -1.0。

math.lcm(*integers)

返回给定整数参数的最小公倍数lowest common multiple

如果所有参数均非零,返回所有参数的整数倍的最小正整数

如果参数之一为零,则返回值为 0。

不带参数的 lcm() 返回 1。

math.gcd(*integers)

返回给定整数参数的最大公约数greatest common divisor

如果有一个参数非零,返回能同时整除所有参数的最大正整数

如果所有参数为零,则返回值为 0。

不带参数的 gcd() 返回 0。

math.fmod(x, y)

计算 x 除以 y 的余数(floating-point modulus 浮点数模)。

fmod(x, y) 等于 x - n*y ,其中,整数 n 使得结果与 x 符号相同且小于 abs(y) 。

math.fmod 与 % 运算符的区别:

(1)前者始终返回浮点数;后者在x、y均为整型时,返回整型,其他情况下,即 x、y 任一为浮点型时,结果均返回浮点型。

(2)前者返回结果的符号(正负)始终与 x 相同;后者所得结果的符号(正负)始终与 y 相同。

(3)前者返回结果的绝对值始终等于“|x| % |y|”;后者若x与y符号相同,结果的绝对值为“|x| % |y|”,若x与y的符号不同,结果的绝对值为“|y| - (|x| % |y|)”。

注:当采用 % 运算符求模,且x与y的符号不同时,若同时还符合下面两个条件:

<1> |x|远小于|y|;

<2> x与y中至少有一个是浮点数(浮点数会导致精度损失)。

此时,|x| % |y| 的值相对较小(等于 |x|),|y| 又非常大,加上计算机对浮点数计算精度的损失,会出现 |y| - (|x| % |y|) 的结果被近似成 |y| 的奇怪现象。因此:

有浮点数首选 math.fmod(),整数首选 % 运算符。

math.isqrt(n)

返回非负整数 n 的整数平方根,即 n 的实际平方根向下取整的结果,相当于使得 a² <= n 的最大整数 a。

如果想获取使得 a² >= n² 的最小整数 a ,即 n 的实际平方根向上取整的值,可以使用 a = 1 + isqrt(n - 1) 。

math.ldexp(x, i)

返回 x * (2**i) ,函数 math.frexp 的反函数。

math.frexp(x)

返回(m, e) 满足x == m * 2**e,其中 m 是浮点数, e 是整数。

如果 x 为零,则返回 (0.0, 0) ,否则返回 0.5 <= abs(m) < 1 。

math.fsum(iterable)

返回可迭代对象中的值的精确浮点总计值。

math.prod(iterable, *, start=1)

计算输入的 iterable 中所有元素的积,默认乘积的start 值为 1。

当可迭代对象为空时,返回起始值。

此函数特别针对数字值使用,并会拒绝非数字类型。

math.sumprod(p, q)

在 3.12 版本加入.

两个可迭代对象 p 和 q 中的值的乘积的总计值。

如果输入值的长度不相等则会引发 ValueError。

大致相当于:

sum(itertools.starmap(operator.mul, zip(p, q, strict=True)))

对于浮点数或混合整数/浮点数的输入,中间的乘积和总计值将使用扩展精度来计算。

3.2 细节

(1)math.factorial(n)

import timeit import math  # 阶乘的三种实现方式  # 1. for循环 def fact_loop(num):     if num < 0:         return 0     if num == 0:         return 1      factorial = 1     for i in range(1, num+1):         factorial = factorial * i      return factorial  print(fact_loop(15)) # 1307674368000  # 2. 递归函数 def fact_recursion(num):     if num < 0:         return 0     if num == 0:         return 1      return num * fact_recursion(num - 1)  print(fact_recursion(15)) # 1307674368000  # 3. math.factorial print(math.factorial(15)) # 1307674368000  timeit.timeit("fact_loop(15)", globals=globals())        # 0.8621199000044726 timeit.timeit("fact_recursion(15)", globals=globals())   # 2.6800807999970857 timeit.timeit("math.factorial(15)", setup="import math") # 0.17294190000393428

从执行时间来看,递归方法是三种方法中最慢的,factorial() 明显比其他方法更快,这得益于它的底层用 C 实现。不同CPU可能得到不同的计时结果,但耗时大小的顺序应该是一样的。

factorial() 不仅比其他方法快,而且更稳定。自己手写函数时,需要显式地为异常情况编写代码,例如处理负数或小数。但当使用 factorial() 时,因为函数会处理所有异常情况,建议尽可能使用 factorial()。

(2)math.ceil(x)、math.floor(x)、math.trunc(x)、math.modf(x)

math.ceil(4.896) # 5 math.ceil(-7.956) # -7 math.ceil(4) # 4 math.ceil(-7) # -7  math.floor(4.896) # 4 math.floor(-7.956) # -8 math.floor(4) # 4 math.floor(-7) # -7  math.trunc(4.9) # 4 math.trunc(-11.7) # -11 math.trunc(4) # 4

import math  math.modf(-4.123) # (-0.12300000000000022, -4.0)

(3)math.isclose()

import math  math.isclose(6, 7) # False math.isclose(6.999999999, 7) # True math.isclose(6.999999992, 7) # False math.isclose(6.9999999963, 7) # True  math.isclose(6, 7, rel_tol=0.2) # True math.isclose(5.6, 7, rel_tol=0.2) # False math.isclose(5.61, 7, rel_tol=0.2) # True  math.isclose(6, 7, abs_tol=1.0) # True math.isclose(6, 7, abs_tol=0.2) # False   math.isclose(1, 1+1e-08, abs_tol=1e-08) # True math.isclose(1, 1-1e-08, rel_tol=1e-08) # False math.isclose(1, 1-1e-08+1e-09, rel_tol=1e-08) # True

特殊情况:

import math  math.isclose(math.nan, 1e308) # False  math.isclose(math.nan, math.nan) # False  math.isclose(math.inf, 1e308) # False  math.isclose(math.inf, math.inf) # True

(4)math.fabs(x)

import math  abs(-1.234) abs(1) abs(3+4j)   math.fabs(-1.234) math.fabs(1) math.fabs(3+4j)

在 Python 中,复数可以使用 `j` 或 `J` 表示虚部。例如,3 + 4j 表示实部为 3,虚部为 4 的复数。Python 还提供了一个内置函数 complex 用于创建复数:complex(3, 4) 返回值等同于 3 + 4j。

可以使用 type() 函数来检查一个变量是否为复数类型,例如, type(3+4j) 返回结果为:complex。复数的绝对值是一个数的大小,不考虑其正负(绝对值是一个数的物理意义上的‘长度’或‘大小’,不受正负影响)。对于一个复数,比如 a+bi,它的绝对值是|a+bi|=sqrt(a^2+b^2)。

(5)math.lcm(x)、math.gcd(x)

import math  math.lcm(2,3,6) # 6 math.gcd(15,2) # 1  math.gcd(15,3) # 3

(6)math.fsum(iterable)、math.prod(iterable, start=1)

list1 = [1.0, 2.0 , 3.3, 4.5] list2 = [2, 2, 2, 2] math.fsum(list1) # 29.7 math.prod(list1, start=1) # 29.7 math.prod(list1, start=2) # 59.4

(7)math.isqrt(x)、math.frexp(x)、math.ldexp(x, i)

import math  math.frexp(5) # (0.625, 3)  math.ldexp(0.625, 3) # 5.0  math.isqrt(7) # 2 math.isqrt(9) # 3

math.frexp(x) 的应用场景包括:

将一个浮点数转换为二进制表示时,可以使用 math.frexp() 将其分解为尾数和指数的形式,方便进行计算和存储。

在科学计算、信号处理等领域中,经常需要对浮点数进行归一化处理,即将其表示为尾数乘以某个基数的指数形式。此时可以使用 math.frexp() 将浮点数分解为尾数和指数,然后将尾数除以基数,指数加上相应的偏移量,得到归一化后的结果。 

在一些算法中,需要对浮点数进行比较和排序。由于浮点数的精度有限,直接比较可能会出现误差。此时可以使用 math.frexp() 将浮点数分解为尾数和指数,然后按照指数大小进行比较和排序,可以避免精度误差的影响。

(8)math.fmod(x,y)

import math  x, y = -9, 4  x % y # 3 math.fmod(x, y) # -1.0 math.remainder(x, y) # -1.0

下面这个例子中,使用 % 时得到了奇怪的结果,此时更适合用 math.fmod()。

import math  math.fmod(-2, 10)      # 返回值:-2.0 -2 % 10                # 返回值:8 math.fmod(10, 1e+10)   # 返回值:10.0 10 % 1e+10             # 返回值:10.0 math.fmod(-10, 1e+10)  # 返回值:-10.0 -10 % 1e+10            # 返回值:9999999990.0   # 一个使用 % 得到的结果很奇怪的例子 -1e-100 % 1e+100            # 返回值:1e+100 # 事实上,返回的结果应该是是1e100-1e-100, 但这个值无法表示成一个浮点数, 近似的表示成了1e100 # the result of Python’s -1e-100 % 1e100 is 1e100-1e-100, which cannot be represented exactly as a float, and rounds to the surprising 1e100. math.fmod(-1e-100, 1e+100)  # 返回值:-1e-100 # 使用math.fomd得到的结果显然更为合理。

(9)其他

import math  math.comb(4, 3) # 4 math.perm(4, 3) # 24  math.copysign(-2.3, 4.5) # 2.3 math.copysign(2.3, -4.5) # -2.3 math.copysign(-2.3, 0) # 2.3 math.copysign(-2.3, -0) # 2.3

4. 幂函数

函数

描述

math.pow(x, y)

返回 x 的 y 次幂。 

pow(1.0, x) 和 pow(x, 0.0) 总是返回 1.0,即使 x 为零或 NaN。

如果 x 和 y 均为有限值,x 为负数,而 y 不是整数则 pow(x, y) 是未定义的,将引发 ValueError。

math.exp(x)

返回 e 的 x 次幂,其中 e = 2.718281... 是自然对数的基数。

math.exp 通常比 math.e ** x 或 pow(math.e, x) 更精确。

math.exp2(x)

在 3.11 版本加入.

返回 2 的 x 次幂。

math.cbrt(x)

在 3.11 版本加入.

返回 x 的立方根。

math.sqrt(x)

返回 x 的平方根。

math.expm1(x)

返回 e 的 x 次幂减1。对于值较小的浮点数 x,e 的 x 次幂减1中的减法运算可能导致明显的精度损失,expm1 函数提供了更高的计算精度。

细节

(1)math.pow(x,y)

Python 中,除了math.pow,还有两种方法计算幂:内置函数 pow(x, y[,z]) 和 x ** y

内置函数 pow 可接收三个参数:The base number,The power number,The modulus number

最后一个参数是可选的,如果传递了第三个参数 z,返回结果将是:(x ** y) % z,

下面的代码显示了三种函数的使用效果以及耗时情况(math.pow 底层基于C实现,因而最快)。

import math   math.pow(1, math.nan)  # 1.0 math.pow(1, math.inf)  # 1.0 math.pow(1, 0)         # 1.0  math.pow(math.nan, 0)  # 1.0 math.pow(math.inf, 0)  # 1.0 math.pow(1, 0)         # 1.0  # math.pow(0, -1)      # ValueError: math domain error math.pow(0, math.nan)  # nan math.pow(0, math.inf)  # 0.0 math.pow(0, 0)         # 1.0
import math import timeit  # 内置函数 pow(x, y[,z]) pow(2, 3)        # 8 pow(2, 3, 3)     # 2 pow(-2, 3)       # 8 pow(-2, 3, 3)    # 1 (-2 ** 3) % 3    # 1  # x ** y 2 ** 3           # 8  # 比较三种函数耗时 timeit.timeit("9 ** 293")                                  timeit.timeit("pow(9, 293)") timeit.timeit("math.pow(9, 293)", setup="import math") # 返回结果: # 0.7688344000000029 # 0.8183434000000034 # 0.20894989999999325

(2)math.exp(x)

import math  # 对比 math.exp(x) 与 math.pow(math.e, x) a = math.pow(math.e, 3.5) b = math.exp(3.5)  timeit.timeit("math.pow(math.e, 3.5)", setup="import math") timeit.timeit("math.exp(3.5)", setup="import math") # 返回结果 # math.exp 底层用C实现,更快 # 0.15435010000010152 # 0.10402529999987564  print('{:.30f}'.format(a)) # 33.115451958692304401665751356632 print('{:.30f}'.format(b)) # 33.115451958692311507093108957633  math.log(a)  # 3.4999999999999996 math.log(b)  # 3.5

(3)math.sqrt(x)

import math  math.sqrt(1024) # 32.0

5. 对数函数

函数

描述

math.log(x[, base])

使用一个参数,返回 x 的自然对数(底为 e )。

使用两个参数,返回给定的 base 的对数 x ,计算为 log(x)/log(base) 。

math.log2(x)

返回 x 以2为底的对数。这通常比 log(x, 2) 更准确。

math.log10(x)

返回 x 底为10的对数。这通常比 log(x, 10) 更准确。

math.log1p(x)

返回 1+x 的自然对数(以 e 为底)。

以对于 x 接近零时,建议使用 math.log1p。

6. 其他重要的数学函数

三角函数

函数

描述

math.sin(x)

返回 x 弧度的正弦值。

math.cos(x)

返回 x 弧度的余弦值。

math.tan(x)

返回 x 弧度的正切值。

math.asin(x)

返回以弧度为单位的 x 的反正弦值。 结果范围: -pi/2 到 pi/2 之间。

math.acos(x)

返回以弧度为单位的 x 的反余弦值。 结果范围: 0 到 pi 之间。

math.atan(x)

返回以弧度为单位的 x 的反正切值。 结果范围: -pi/2 到 pi/2 之间。.

math.atan2(y, x)

以弧度为单位返回 atan(y/x) ,结果范围: -pi 和 pi 。

atan2() 的两个输入的符号都是已知的,因此可以正确地计算象限,

例如, atan(1) 和 atan2(1,1) 都是 pi/4 ,但 atan2(-1, -1) 是 -3*pi/4 。

math.dist(p, q)

返回 p 与 q 两点之间的欧几里得距离,两个点必须具有相同的维度。

大致相当于:sqrt(sum((px - qx) ** 2.0 for px, qx in zip(p, q)))

math.hypot(*coordinates)

返回欧几里得范数。

相当于:sqrt(sum(x**2 for x in coordinates))

对于一个二维点 (x, y),等价于 sqrt(x*x + y*y) 。

细节

(1)math.atan2(y, x)

import math  math.atan(1)        # 0.7853981633974483 math.atan2(1, 1)    # 0.7853981633974483 math.atan2(-1, -1)  # -2.356194490192345  math.radians(45)    # 0.7853981633974483 math.radians(-135)  # -2.356194490192345

(2)math.dist、math.hypot

import math   # math.dist(p, q) list1 = [-3, 4, 5] list2 = [4, 5, 7] math.dist(list1, list2)   # 7.348469228349534 math.sqrt(math.fsum([math.pow(x-y, 2) for x, y in zip(list1,list2)])) # 7.3484692283495345  list3 = [-3, 4, 5, 9] list4 = [4, 5, 7, 2] math.dist(list3, list4)  # 10.14889156509222   # math.hypot(*coordinates) math.hypot(3, 4) # 5.0  coordinates_list = [6, 7, 8] math.hypot(*coordinates_list) # 12.206555615733702 math.sqrt(math.fsum(map(lambda x: math.pow(x, 2), coordinates_list))) # 12.206555615733702

角度转换

函数

描述

math.degrees(x)

将角度 x 从弧度转换为度数。

math.radians(x)

将角度 x 从度数转换为弧度。

这两个函数在处理几何问题时是非常实用的。

import math  math.radians(60) # 1.0471975511965976  60 / 180 * math.pi # 1.0471975511965976  math.degrees(1.0471975511965976) # 59.99999999999999

双曲函数

函数

描述

math.sinh(x)

返回 x 的双曲正弦值。

math.cosh(x)

返回 x 的双曲余弦值。

math.tanh(x)

返回 x 的双曲正切值。

math.acosh(x)

返回 x 的反双曲正弦值。

math.asinh(x)

返回 x 的反双曲余弦值。

math.atanh(x)

返回 x 的反双曲正切值。

7. Python 标准库:cmath

复数是实数和虚数的组合,形如 a + bi,其中a是实数,bi是虚数(虚数是平方后得到负数)。
Python math 模块中的函数不能处理复数,不过,Python 提供了一个专门处理复数的模块 cmath 模块,cmath 实现了许多相同的函数,但可应用于复数。

8. Numpy

Python 标准库 math 和 NumPy 库都可以用于数学计算。二者有一些相似之处:NumPy 有一个函数子集,类似于 math,用于处理数学计算。NumPy 和 math 都提供了处理三角函数、指数函数、对数函数、双曲函数和算术计算的函数。

Python math 模块更适合处理标量值,而 NumPy 更适合处理数组、向量甚至矩阵。当处理标量值时,math 可能比 NumPy 对应函数更快,因为 NumPy 函数在底层会将值转换为数组,以便对它们执行计算,但 NumPy 在处理 n 维数组时要快得多。

9. 参考链接 

15.深入探究math.fmod与“%”求模运算符的区别,您注意到了吗? - 数据类型(六) - 代码先锋网

广告一刻

为您即时展示最新活动产品广告消息,让您随时掌握产品活动新动态!