NumPy 中包含了大量的数学函数，它们用于执行各种数学运算，其中包括三角函数、舍入函数等等。下面对它们做详细讲解。
NumPy 中提供了用于弧度计算的的 sin()（正弦）、cos()（余弦）和 tan()（正切）三角函数。
示例如下：
import numpy as np
deg = np.array([0, 30, 60, 90, 120, 150, 180])
#计算arr数组中给定角度的三角函数值
#通过乘以np.pi/180将其转换为弧度
rad = deg * np.pi/180
print(np.sin(rad))
print(np.cos(rad))
print(np.tan(rad))输出结果如下：
[0.00000000e+00 5.00000000e-01 8.66025404e-01 1.00000000e+00
8.66025404e-01 5.00000000e-01 1.22464680e-16]
[ 1.00000000e+00 8.66025404e-01 5.00000000e-01 6.12323400e-17
-5.00000000e-01 -8.66025404e-01 -1.00000000e+00]
[ 0.00000000e+00 5.77350269e-01 1.73205081e+00 1.63312394e+16
-1.73205081e+00 -5.77350269e-01 -1.22464680e-16]
除了上述三角函数以外，NumPy 还提供了 arcsin，arcos 和 arctan 反三角函数。
若要想验证反三角函数的结果，可以通过 numpy.degrees() 将弧度转换为角度来实现，示例如下：
import numpy as np
arr = np.array([0, 30, 60, 90])
#正弦值数组
sinval = np.sin(arr*np.pi/180)
print(sinval)
#计算角度反正弦，返回值以弧度为单位
cosec = np.arcsin(sinval)
print(cosec)
#通过degrees函数转化为角度进行验证
print(np.degrees(cosec))
#余弦值数组
cosval = np.cos(arr*np.pi/180)
print(cosval)
#计算反余弦值，以弧度为单位
sec = np.arccos(cosval)
print(sec)
#通过degrees函数转化为角度进行验证
print(np.degrees(sec))
#下面是tan()正切函数
tanval = np.tan(arr*np.pi/180)
print(tanval)
cot = np.arctan(tanval)
print(cot)
print(np.degrees(cot)) 输出结果：
[0. 0.5 0.8660254 1. ]
[0. 0.52359878 1.04719755 1.57079633]
[ 0. 30. 60. 90.]
[1.00000000e+00 8.66025404e-01 5.00000000e-01 6.12323400e-17]
[0. 0.52359878 1.04719755 1.57079633]
[ 0. 30. 60. 90.]
[0.00000000e+00 5.77350269e-01 1.73205081e+00 1.63312394e+16]
[0. 0.52359878 1.04719755 1.57079633]
[ 0. 30. 60. 90.]
NumPy 提供了三个舍入函数，介绍如下：
该函数返回一个十进制值数，并将数值四舍五入到指定的小数位上。该函数的语法如下：
numpy.around(a,decimals)
参数说明：
- a：代表要输入的数组；
- decimals：要舍入到的小数位数。它的默认值为0，如果为负数，则小数点将移到整数左侧。
示例如下：
import numpy as np
arr = np.array([12.202, 90.23120, 123.020, 23.202])
print(arr)
#数组值四舍五入到小数点后两位
print(np.around(arr, 2))
#数组值四舍五入到小数点后-1位
print(np.around(arr, -1)) 输出结果：
[ 12.202 90.2312 123.02 23.202 ]
[ 12.2 90.23 123.02 23.2 ]
[ 10. 90. 120. 20.]
该函数表示对数组中的每个元素向下取整数，即返回不大于数组中每个元素值的最大整数。示例如下：
import numpy as np
a = np.array([-1.8, 1.1, -0.4, 0.9, 18])
#对数组a向下取整
print (np.floor(a))输出结果：
[-2. 1. -1. 0. 18.]
该函数与 floor 函数相反，表示向上取整。示例如下：
import numpy as np
a = np.array([-1.8, 1.1, -0.4, 0.9, 18])
#对数组a向上取整
print (np.ceil(a))输出结果：
[-1. 2. -0. 1. 18.]
NumPy 数组的“加减乘除”算术运算，分别对应 add()、subtract()、multiple() 以及 divide() 函数。
注意：做算术运算时，输入数组必须具有相同的形状，或者符合数组的广播规则，才可以执行运算。
下面看一组示例：
import numpy as np
a = np.arange(9, dtype = np.float_).reshape(3,3)
#数组a
print(a)
#数组b
b = np.array([10,10,10])
print(b)
#数组加法运算
print(np.add(a,b))
#数组减法运算
print(np.subtract(a,b))
#数组乘法运算
print(np.multiply(a,b))
#数组除法运算
print(np.divide(a,b))输出结果：
#a数组
[[ 0. 1. 2.]
[ 3. 4. 5.]
[ 6. 7. 8.]]
#b数组
[10 10 10]
#加
[[ 10. 11. 12.]
[ 13. 14. 15.]
[ 16. 17. 18.]]
#减
[[-10. -9. -8.]
[ -7. -6. -5.]
[ -4. -3. -2.]]
#乘
[[ 0. 10. 20.]
[ 30. 40. 50.]
[ 60. 70. 80.]]
#除
[[ 0. 0.1 0.2]
[ 0.3 0.4 0.5]
[ 0.6 0.7 0.8]]下面介绍了 NumPy 中其他重要的算术运算函数。
该函数对数组中的每个元素取倒数，并以数组的形式将它们返回。
当数组元素的数据类型为整型（int）时，对于绝对值小于 1 的元素，返回值为 0，而当数组中包含 0 元素时，返回值将出现 overflow（inf） 溢出提示，示例如下：
import numpy as np
#注意此处有0
a = np.array([0.25, 1.33, 1, 0, 100])
#数组a默认为浮点类型数据
print(a)
#对数组a使用求倒数操作
print (np.reciprocal(a))
#b数组的数据类型为整形int
b = np.array([100, 10, 1], dtype = int)
print(b)
#对数组b使用求倒数操作
print( np.reciprocal(b) )输出结果：
[ 0.25 1.33 1. 0. 100. ]
RuntimeWarning: divide by zero encountered in reciprocal
[4. 0.7518797 1. inf 0.01 ]
[100 10 1]
[0 0 1]
该函数将 a 数组中的元素作为底数，把 b 数组中与 a 相对应的元素作幂 ，最后以数组形式返回两者的计算结果。示例如下：
import numpy as np
a = np.array([10,100,1000])
#调用 power 函数
print (np.power(a,2))
b = np.array([1,2,3])
print (b)
print (np.power(a,b))输出结果：
[ 10 100 1000]
[ 100 10000 1000000]
[1 2 3]
[ 10 10000 1000000000]
返回两个数组相对应位置上元素相除后的余数，它与 numpy.remainder() 的作用相同 。
import numpy as np
a = np.array([11,22,33])
b = np.array([3,5,7])
#a与b相应位置的元素做除法
print( np.mod(a,b))
#remainder方法一样
print(np.remainder(a,b)) 输出结果：
[2 2 5]
[2 2 5]
NumPy 提供了诸多处理复数类型数组的函数，主要有以下几个：
- numpy.real() 返回复数数组的实部；
- numpy.imag() 返回复数数组的虚部；
- numpy.conj() 通过更改虚部的符号，从而返回共轭复数；
- numpy.angle() 返回复数参数的角度，该函数的提供了一个 deg 参数，如果 deg=True，则返回的值会以角度制来表示，否则以以弧度制来表示。
示例如下：
import numpy as np
a = np.array([-5.6j, 0.2j, 11. , 1+1j])
print(a)
#real()
print np.real(a)
#imag()
print np.imag(a)
#conj()
print np.conj(a)
#angle()
print np.angle(a)
#angle() 带参数deg
print np.angle(a, deg = True)输出结果：
[ 0.-5.6j 0.+0.2j 11.+0.j 1.+1.j ]
#实部
[ 0. 0. 11. 1.]
#虚部
[-5.6 0.2 0. 1. ]
#复数
[ 0.+5.6j 0.-0.2j 11.-0.j 1.-1.j ]
#rad
[-1.57079633 1.57079633 0. 0.78539816]
#deg
[-90. 90. 0. 45.]