NumPy数学函数使用指南：sin/cos/exp/log详解

本文深入解析NumPy核心数学函数（如np.sin、np.cos、np.exp、np.log）的本质行为与实战要点：它们是对数组每个元素独立执行的纯数值映射，不改变形状、不自动展平、不处理单位，要求输入严格为数值型且角度必须预转弧度；明确指出np.exp恒为e^x、np.log恒为自然对数（非log₁₀），并揭示广播机制如何显著提升性能——先完成ufunc计算再广播，避免冗余运算；同时直击常见陷阱：负数取对数得nan、大数指数上溢、角度单位混淆、类型错误等，强调“早验证、严输入”才是高效稳定科学计算的关键。

np.sin、np.cos 这些函数到底对什么操作？

它们只做一件事：对数组里每个元素单独计算，不关心形状、维度或索引关系。不是“画正弦曲线”或“做傅里叶变换”，就是纯数学映射——np.sin 把 x 变成 sin(x)，x 是标量就返回标量，是数组就返回同形状数组。

常见错误现象：np.sin([[0, np.pi/2], [np.pi, 3*np.pi/2]]) 返回的是二维结果，但有人误以为它会自动展平或按行求和；还有人把角度当弧度传（比如传 90 而不是 np.pi/2），结果完全不对。

• 输入必须是数值型（int、float、complex），传字符串或 None 直接报 TypeError: ufunc 'sin' not supported for the input types
• 角度要先转弧度：np.sin(np.deg2rad(90))，别手写 np.sin(90)
• 支持广播，比如 np.sin(np.array([0, 1, 2]) + 0.5) 没问题，但别指望它处理带单位的 Quantity（如 astropy 的 u.rad）

np.exp 和 np.log 默认底数是多少？

np.exp 就是 e^x，没得选；np.log 也是自然对数（ln x），不是常用对数（log₁₀）。这点和 Python 内置 math.log 一致，但和 MATLAB 的 log（= log₁₀）相反，容易踩坑。

使用场景：做归一化（如 softmax 分子）、防止下溢（logsumexp 技巧）、拟合指数衰减模型。

• 对负数用 np.log 会得 nan，不是报错——检查输入是否全为正：np.all(x > 0)
• 想用 log₁₀？写 np.log10(x)，别用 np.log(x) / np.log(10)，虽等价但多算两次对数，慢且精度略差
• np.exp 遇到大数（如 x > 709）直接上溢成 inf，训练神经网络时 softmax 前常要做减最大值预处理

ufunc 的广播机制怎么影响实际计算？

广播不是语法糖，是底层内存连续性与计算顺序的体现。比如 np.sin(a) + b 中，若 a 是 (1000, 1)，b 是 (1, 500)，结果是 (1000, 500)，但 np.sin 先在 (1000, 1) 上完成，再广播加法——这意味着 sin 计算只跑 1000 次，不是 50 万次。

性能影响明显：先算 ufunc 再广播，比把数组先 tile 再算快得多，也省内存。

• 广播不改变原数组，但中间结果可能临时占用大内存，尤其高维小数组被广播成大形状时
• 兼容性注意：老版本 NumPy（np.sin 会静默转成 0/1 再算，新版本直接报 TypeError
• 如果需要逐行/列独立运算（比如每行用不同相位偏移），别硬靠广播，改用 np.vectorize 或显式循环更清晰

为什么有时 np.log(x + 1e-15) 还是 nan？

因为 x 本身含 nan 或 inf，加常数不消除它们。np.log(nan) → nan，np.log(inf) → inf，这是 IEEE 754 规定，ufunc 严格遵循。

真实调试中，光看报错信息不够，得查源头：是读文件带入了空值？还是前序计算产生了除零？

• 安全写法：np.where(x > 0, np.log(x), np.nan)，显式过滤
• 或者用 np.log(np.clip(x, 1e-15, None))，但注意 clip 会把负数全压到 1e-15，可能掩盖数据问题
• 检查手段优先用 np.isnan(x).any() 和 np.isinf(x).any()，别只盯住最终报错那行

ufunc 的“通用”二字，指的是接口统一、广播一致、类型推导明确，不是指能自动容错或智能修复数据。越早确认输入质量，后面越省事。

今天关于《NumPy数学函数使用指南：sin/cos/exp/log详解》的内容介绍就到此结束，如果有什么疑问或者建议，可以在golang学习网公众号下多多回复交流；文中若有不正之处，也希望回复留言以告知！