python-math模块
math数论与表示函数
l math.ceil(x)
返回 x 的上限，即大于或者等于 x 的最小整数。如果 x 不是一个浮点数，则委托 x.__ceil__(), 返回一个 Integral 类的值。
l math.comb(n, k)
返回不重复且无顺序地从 n 项中选择 k 项的方式总数。
当 k <= n 时取值为 n! / (k! * (n - k)!)；当 k > n 时取值为零。
也称为二项式系数，因为它等价于表达式 (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。
l math.copysign(x, y)
返回一个基于 x 的绝对值和 y 的符号的浮点数。在支持带符号零的平台上，copysign(1.0, -0.0) 返回 -1.0.
l math.fabs(x)
返回 x 的绝对值。
l math.factorial(x)
以一个整数返回 x 的阶乘。 如果 x 不是整数或为负数时则将引发 ValueError。
l math.floor(x)
返回 x 的向下取整，小于或等于 x 的最大整数。如果 x 不是浮点数，则委托 x.__floor__() ，它应返回 Integral 值。
l math.fmod(x, y)
返回 fmod(x, y) ，由平台C库定义。请注意，Python表达式 x % y 可能不会返回相同的结果。C标准的目的是 fmod(x, y) 完全（数学上；到无限精度）等于 x - n*y 对于某个整数 n ，使得结果具有 与 x 相同的符号和小于 abs(y) 的幅度。Python的 x % y 返回带有 y 符号的结果，并且可能不能完全计算浮点参数。 例如， fmod(-1e-100, 1e100) 是 -1e-100 ，但Python的 -1e-100 % 1e100 的结果是 1e100-1e-100 ，它不能完全表示为浮点数，并且取整为令人惊讶的 1e100 。 出于这个原因，函数 fmod() 在使用浮点数时通常是首选，而Python的 x % y 在使用整数时是首选。
l math.frexp(x)
返回 x 的尾数和指数作为对``(m, e)``。 m 是一个浮点数， e 是一个整数，正好是 x == m * 2**e 。 如果 x 为零，则返回 (0.0, 0) ，否则返回 0.5 <= abs(m) < 1 。这用于以可移植方式“分离”浮点数的内部表示。
l math.fsum(iterable)
返回迭代中的精确浮点值。通过跟踪多个中间部分和来避免精度损失:
>>>
>>> sum([.1, .1, .1, .1, .1, .1, .1, .1, .1, .1])
0.9999999999999999
>>> fsum([.1, .1, .1, .1, .1, .1, .1, .1, .1, .1])
1.0
该算法的准确性取决于IEEE-754算术保证和舍入模式为半偶的典型情况。在某些非Windows版本中，底层C库使用扩展精度添加，并且有时可能会使中间和加倍，导致它在最低有效位中关闭。
l math.gcd(a, b)
返回整数 a 和 b 的最大公约数。如果 a 或 b 之一非零，则 gcd(a, b) 的值是能同时整除 a 和 b 的最大正整数。gcd(0, 0) 返回 0。
math.isclose(a, b, *, rel_tol=1e-09, abs_tol=0.0)
若 a 和 b 的值比较接近则返回 True，否则返回 False。
根据给定的绝对和相对容差确定两个值是否被认为是接近的。
rel_tol 是相对容差 —— 它是 a 和 b 之间允许的最大差值，相对于 a 或 b 的较大绝对值。例如，要设置5％的容差，请传递 rel_tol=0.05 。默认容差为 1e-09，确保两个值在大约9位十进制数字内相同。 rel_tol 必须大于零。
abs_tol 是最小绝对容差 —— 对于接近零的比较很有用。 abs_tol 必须至少为零。
如果没有错误发生，结果将是： abs(a-b) <= max(rel_tol * max(abs(a), abs(b)), abs_tol) 。
IEEE 754特殊值 NaN ， inf 和 -inf 将根据IEEE规则处理。具体来说， NaN 不被认为接近任何其他值，包括 NaN 。 inf 和 -inf 只被认为接近自己。
l math.isfinite(x)
如果 x 既不是无穷大也不是NaN，则返回 True ，否则返回 False 。 （注意 0.0 被认为 是 有限的。）
l math.isinf(x)
如果 x 是正或负无穷大，则返回 True ，否则返回 False 。
l math.isnan(x)
如果 x 是 NaN（不是数字），则返回 True ，否则返回 False 。
l math.isqrt(n)
返回非负整数 n 的整数平方根。 这就是对 n 的实际平方根向下取整，或者相当于使得 a² ≤ n 的最大整数 a。
对于某些应用来说，可以更适合取值为使得 n ≤ a² 的最小整数 a ，或者换句话说就是 n 的实际平方根向上取整。 对于正数 n，这可以使用 a = 1 + isqrt(n - 1) 来计算。
l math.ldexp(x, i)
返回 x * (2**i) 。 这基本上是函数 frexp() 的反函数。
l 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。
l math.perm(n, k=None)
返回不重复且无顺序地从 n 项中选择 k 项的方式总数。
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。
l math.prod(iterable, *, start=1)
计算输入的 iterable 中所有元素的积。 积的默认 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。
l math.remainder(x, y)
返回 IEEE 754 风格的 x 相对于 y 的余数。对于有限 x 和有限非零 y ，这是差异 x - n*y ，其中 n 是与商 x / y 的精确值最接近的整数。如果 x / y 恰好位于两个连续整数之间，则最近的 * even* 整数用于 n 。 余数 r = remainder(x, y) 因此总是满足 abs(r) <= 0.5 * abs(y) 。
特殊情况遵循IEEE 754：特别是 remainder(x, math.inf) 对于任何有限 x 都是 x ，而 remainder(x, 0) 和 remainder(math.inf, x) 引发 ValueError 适用于任何非NaN的 x 。如果余数运算的结果为零，则该零将具有与 x 相同的符号。
在使用IEEE 754二进制浮点的平台上，此操作的结果始终可以完全表示：不会引入舍入错误。
l math.trunc(x)
返回 Real 值 x 截断为 Integral （通常是整数）。 委托给 x.__trunc__()。
注意 frexp() 和 modf() 具有与它们的C等价函数不同的调用/返回模式：它们采用单个参数并返回一对值，而不是通过 \'输出形参\' 返回它们的第二个返回参数（Python中没有这样的东西）。
对于 ceil() ， floor() 和 modf() 函数，请注意 所有 足够大的浮点数都是精确整数。Python浮点数通常不超过53位的精度（与平台C double类型相同），在这种情况下，任何浮点 x 与 abs(x) >= 2**52 必然没有小数位。
幂函数与对数函数
l math.exp(x)
返回 e 次 x 幂，其中 e = 2.718281... 是自然对数的基数。这通常比 math.e ** x 或 pow(math.e, x) 更精确。
l math.expm1(x)
返回 e 的 x 次幂，减1。这里 e 是自然对数的基数。对于小浮点数 x ， exp(x) - 1 中的减法可能导致 significant loss of precision； expm1() 函数提供了一种将此数量计算为全精度的方法:
>>>
>>> from math import exp, expm1
>>> exp(1e-5) - 1 # gives result accurate to 11 places
1.0000050000069649e-05
>>> expm1(1e-5) # result accurate to full precision
1.0000050000166668e-05
l 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) 。
l math.log1p(x)
返回 1+x (base e) 的自然对数。以对于接近零的 x 精确的方式计算结果。
l math.log2(x)
返回 x 以2为底的对数。这通常比 log(x, 2) 更准确。
l math.log10(x)
返回 x 底为10的对数。这通常比 log(x, 10) 更准确。
l math.pow(x, y)
将返回 x 的 y 次幂。特殊情况尽可能遵循C99标准的附录\'F\'。特别是， pow(1.0, x) 和 pow(x, 0.0) 总是返回 1.0 ，即使 x 是零或NaN。 如果 x 和 y 都是有限的， x 是负数， y 不是整数那么 pow(x, y) 是未定义的，并且引发 ValueError 。
与内置的 ** 运算符不同， math.pow() 将其参数转换为 float 类型。使用 ** 或内置的 pow() 函数来计算精确的整数幂。
l math.sqrt(x)
返回 x 的平方根。
三角函数
l math.acos(x)
以弧度为单位返回 x 的反余弦值。
l math.asin(x)
以弧度为单位返回 x 的反正弦值。
l math.atan(x)
以弧度为单位返回 x 的反正切值。
l math.atan2(y, x)
以弧度为单位返回 atan(y / x) 。结果是在 -pi 和 pi 之间。从原点到点 (x, y) 的平面矢量使该角度与正X轴成正比。 atan2() 的点的两个输入的符号都是已知的，因此它可以计算角度的正确象限。 例如， atan(1) 和 atan2(1, 1) 都是 pi/4 ，但 atan2(-1, -1) 是 -3*pi/4 。
l math.cos(x)
返回 x 弧度的余弦值。
l math.dist(p, q)
返回 p 与 q 两点之间的欧几里得距离，以一个坐标序列（或可迭代对象）的形式给出。 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，sqrt(sum(x**2 for x in coordinates))。 这是从原点到坐标给定点的向量长度。
对于一个二维点 (x, y)，这等价于使用毕达哥拉斯定义 sqrt(x*x + y*y) 计算一个直角三角形的斜边。
l math.sin(x)
返回 x 弧度的正弦值。
l math.tan(x)
返回 x 弧度的正切值。
角度转换
l math.degrees(x)
将角度 x 从弧度转换为度数。
l math.radians(x)
将角度 x 从度数转换为弧度。
双曲函数
双曲函数 是基于双曲线而非圆来对三角函数进行模拟。
l math.acosh(x)
返回 x 的反双曲余弦值。
l math.asinh(x)
返回 x 的反双曲正弦值。
l math.atanh(x)
返回 x 的反双曲正切值。
l math.cosh(x)
返回 x 的双曲余弦值。
l math.sinh(x)
返回 x 的双曲正弦值。
l math.tanh(x)
返回 x 的双曲正切值。
特殊函数
l math.erf(x)
返回 x 处的 error function 。
erf() 函数可用于计算传统的统计函数，如 累积标准正态分布
def phi(x):
\'Cumulative distribution function for the standard normal distribution\'
return (1.0 + erf(x / sqrt(2.0))) / 2.0
l math.erfc(x)
返回 x 处的互补误差函数。 互补错误函数 定义为 1.0 - erf(x)。 它用于 x 的大值，从其中减去一个会导致 有效位数损失。
l math.gamma(x)
返回 x 处的 伽马函数 值。
l math.lgamma(x)
返回Gamma函数在 x 绝对值的自然对数。
常量
l math.pi
数学常数 π = 3.141592...，精确到可用精度。
l math.e
数学常数 e = 2.718281...，精确到可用精度。
l math.tau
数学常数 τ = 6.283185...，精确到可用精度。Tau 是一个圆周常数，等于 2π，圆的周长与半径之比。更多关于 Tau 的信息可参考 Vi Hart 的视频 Pi is (still) Wrong。吃两倍多的派来庆祝 Tau 日 吧！
l math.inf
浮点正无穷大。 （对于负无穷大，使用 -math.inf 。）相当于 float(\'inf\') 的输出。
l math.nan
浮点“非数字”（NaN）值。 相当于 float(\'nan\') 的输出。
math数论与表示函数
l math.ceil(x)
返回 x 的上限，即大于或者等于 x 的最小整数。如果 x 不是一个浮点数，则委托 x.__ceil__(), 返回一个 Integral 类的值。
l math.comb(n, k)
返回不重复且无顺序地从 n 项中选择 k 项的方式总数。
当 k <= n 时取值为 n! / (k! * (n - k)!)；当 k > n 时取值为零。
也称为二项式系数，因为它等价于表达式 (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。
l math.copysign(x, y)
返回一个基于 x 的绝对值和 y 的符号的浮点数。在支持带符号零的平台上，copysign(1.0, -0.0) 返回 -1.0.
l math.fabs(x)
返回 x 的绝对值。
l math.factorial(x)
以一个整数返回 x 的阶乘。 如果 x 不是整数或为负数时则将引发 ValueError。
l math.floor(x)
返回 x 的向下取整，小于或等于 x 的最大整数。如果 x 不是浮点数，则委托 x.__floor__() ，它应返回 Integral 值。
l math.fmod(x, y)
返回 fmod(x, y) ，由平台C库定义。请注意，Python表达式 x % y 可能不会返回相同的结果。C标准的目的是 fmod(x, y) 完全（数学上；到无限精度）等于 x - n*y 对于某个整数 n ，使得结果具有 与 x 相同的符号和小于 abs(y) 的幅度。Python的 x % y 返回带有 y 符号的结果，并且可能不能完全计算浮点参数。 例如， fmod(-1e-100, 1e100) 是 -1e-100 ，但Python的 -1e-100 % 1e100 的结果是 1e100-1e-100 ，它不能完全表示为浮点数，并且取整为令人惊讶的 1e100 。 出于这个原因，函数 fmod() 在使用浮点数时通常是首选，而Python的 x % y 在使用整数时是首选。
l math.frexp(x)
返回 x 的尾数和指数作为对``(m, e)``。 m 是一个浮点数， e 是一个整数，正好是 x == m * 2**e 。 如果 x 为零，则返回 (0.0, 0) ，否则返回 0.5 <= abs(m) < 1 。这用于以可移植方式“分离”浮点数的内部表示。
l math.fsum(iterable)
返回迭代中的精确浮点值。通过跟踪多个中间部分和来避免精度损失:
>>>
>>> sum([.1, .1, .1, .1, .1, .1, .1, .1, .1, .1])
0.9999999999999999
>>> fsum([.1, .1, .1, .1, .1, .1, .1, .1, .1, .1])
1.0
该算法的准确性取决于IEEE-754算术保证和舍入模式为半偶的典型情况。在某些非Windows版本中，底层C库使用扩展精度添加，并且有时可能会使中间和加倍，导致它在最低有效位中关闭。
l math.gcd(a, b)
返回整数 a 和 b 的最大公约数。如果 a 或 b 之一非零，则 gcd(a, b) 的值是能同时整除 a 和 b 的最大正整数。gcd(0, 0) 返回 0。
math.isclose(a, b, *, rel_tol=1e-09, abs_tol=0.0)
若 a 和 b 的值比较接近则返回 True，否则返回 False。
根据给定的绝对和相对容差确定两个值是否被认为是接近的。
rel_tol 是相对容差 —— 它是 a 和 b 之间允许的最大差值，相对于 a 或 b 的较大绝对值。例如，要设置5％的容差，请传递 rel_tol=0.05 。默认容差为 1e-09，确保两个值在大约9位十进制数字内相同。 rel_tol 必须大于零。
abs_tol 是最小绝对容差 —— 对于接近零的比较很有用。 abs_tol 必须至少为零。
如果没有错误发生，结果将是： abs(a-b) <= max(rel_tol * max(abs(a), abs(b)), abs_tol) 。
IEEE 754特殊值 NaN ， inf 和 -inf 将根据IEEE规则处理。具体来说， NaN 不被认为接近任何其他值，包括 NaN 。 inf 和 -inf 只被认为接近自己。
l math.isfinite(x)
如果 x 既不是无穷大也不是NaN，则返回 True ，否则返回 False 。 （注意 0.0 被认为 是 有限的。）
l math.isinf(x)
如果 x 是正或负无穷大，则返回 True ，否则返回 False 。
l math.isnan(x)
如果 x 是 NaN（不是数字），则返回 True ，否则返回 False 。
l math.isqrt(n)
返回非负整数 n 的整数平方根。 这就是对 n 的实际平方根向下取整，或者相当于使得 a² ≤ n 的最大整数 a。
对于某些应用来说，可以更适合取值为使得 n ≤ a² 的最小整数 a ，或者换句话说就是 n 的实际平方根向上取整。 对于正数 n，这可以使用 a = 1 + isqrt(n - 1) 来计算。
l math.ldexp(x, i)
返回 x * (2**i) 。 这基本上是函数 frexp() 的反函数。
l 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。
l math.perm(n, k=None)
返回不重复且无顺序地从 n 项中选择 k 项的方式总数。
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。
l math.prod(iterable, *, start=1)
计算输入的 iterable 中所有元素的积。 积的默认 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。
l math.remainder(x, y)
返回 IEEE 754 风格的 x 相对于 y 的余数。对于有限 x 和有限非零 y ，这是差异 x - n*y ，其中 n 是与商 x / y 的精确值最接近的整数。如果 x / y 恰好位于两个连续整数之间，则最近的 * even* 整数用于 n 。 余数 r = remainder(x, y) 因此总是满足 abs(r) <= 0.5 * abs(y) 。
特殊情况遵循IEEE 754：特别是 remainder(x, math.inf) 对于任何有限 x 都是 x ，而 remainder(x, 0) 和 remainder(math.inf, x) 引发 ValueError 适用于任何非NaN的 x 。如果余数运算的结果为零，则该零将具有与 x 相同的符号。
在使用IEEE 754二进制浮点的平台上，此操作的结果始终可以完全表示：不会引入舍入错误。
l math.trunc(x)
返回 Real 值 x 截断为 Integral （通常是整数）。 委托给 x.__trunc__()。
注意 frexp() 和 modf() 具有与它们的C等价函数不同的调用/返回模式：它们采用单个参数并返回一对值，而不是通过 \'输出形参\' 返回它们的第二个返回参数（Python中没有这样的东西）。
对于 ceil() ， floor() 和 modf() 函数，请注意 所有 足够大的浮点数都是精确整数。Python浮点数通常不超过53位的精度（与平台C double类型相同），在这种情况下，任何浮点 x 与 abs(x) >= 2**52 必然没有小数位。
幂函数与对数函数
l math.exp(x)
返回 e 次 x 幂，其中 e = 2.718281... 是自然对数的基数。这通常比 math.e ** x 或 pow(math.e, x) 更精确。
l math.expm1(x)
返回 e 的 x 次幂，减1。这里 e 是自然对数的基数。对于小浮点数 x ， exp(x) - 1 中的减法可能导致 significant loss of precision； expm1() 函数提供了一种将此数量计算为全精度的方法:
>>>
>>> from math import exp, expm1
>>> exp(1e-5) - 1 # gives result accurate to 11 places
1.0000050000069649e-05
>>> expm1(1e-5) # result accurate to full precision
1.0000050000166668e-05
l 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) 。
l math.log1p(x)
返回 1+x (base e) 的自然对数。以对于接近零的 x 精确的方式计算结果。
l math.log2(x)
返回 x 以2为底的对数。这通常比 log(x, 2) 更准确。
l math.log10(x)
返回 x 底为10的对数。这通常比 log(x, 10) 更准确。
l math.pow(x, y)
将返回 x 的 y 次幂。特殊情况尽可能遵循C99标准的附录\'F\'。特别是， pow(1.0, x) 和 pow(x, 0.0) 总是返回 1.0 ，即使 x 是零或NaN。 如果 x 和 y 都是有限的， x 是负数， y 不是整数那么 pow(x, y) 是未定义的，并且引发 ValueError 。
与内置的 ** 运算符不同， math.pow() 将其参数转换为 float 类型。使用 ** 或内置的 pow() 函数来计算精确的整数幂。
l math.sqrt(x)
返回 x 的平方根。
三角函数
l math.acos(x)
以弧度为单位返回 x 的反余弦值。
l math.asin(x)
以弧度为单位返回 x 的反正弦值。
l math.atan(x)
以弧度为单位返回 x 的反正切值。
l math.atan2(y, x)
以弧度为单位返回 atan(y / x) 。结果是在 -pi 和 pi 之间。从原点到点 (x, y) 的平面矢量使该角度与正X轴成正比。 atan2() 的点的两个输入的符号都是已知的，因此它可以计算角度的正确象限。 例如， atan(1) 和 atan2(1, 1) 都是 pi/4 ，但 atan2(-1, -1) 是 -3*pi/4 。
l math.cos(x)
返回 x 弧度的余弦值。
l math.dist(p, q)
返回 p 与 q 两点之间的欧几里得距离，以一个坐标序列（或可迭代对象）的形式给出。 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，sqrt(sum(x**2 for x in coordinates))。 这是从原点到坐标给定点的向量长度。
对于一个二维点 (x, y)，这等价于使用毕达哥拉斯定义 sqrt(x*x + y*y) 计算一个直角三角形的斜边。
l math.sin(x)
返回 x 弧度的正弦值。
l math.tan(x)
返回 x 弧度的正切值。
角度转换
l math.degrees(x)
将角度 x 从弧度转换为度数。
l math.radians(x)
将角度 x 从度数转换为弧度。
双曲函数
双曲函数 是基于双曲线而非圆来对三角函数进行模拟。
l math.acosh(x)
返回 x 的反双曲余弦值。
l math.asinh(x)
返回 x 的反双曲正弦值。
l math.atanh(x)
返回 x 的反双曲正切值。
l math.cosh(x)
返回 x 的双曲余弦值。
l math.sinh(x)
返回 x 的双曲正弦值。
l math.tanh(x)
返回 x 的双曲正切值。
特殊函数
l math.erf(x)
返回 x 处的 error function 。
erf() 函数可用于计算传统的统计函数，如 累积标准正态分布
def phi(x):
\'Cumulative distribution function for the standard normal distribution\'
return (1.0 + erf(x / sqrt(2.0))) / 2.0
l math.erfc(x)
返回 x 处的互补误差函数。 互补错误函数 定义为 1.0 - erf(x)。 它用于 x 的大值，从其中减去一个会导致 有效位数损失。
l math.gamma(x)
返回 x 处的 伽马函数 值。
l math.lgamma(x)
返回Gamma函数在 x 绝对值的自然对数。
常量
l math.pi
数学常数 π = 3.141592...，精确到可用精度。
l math.e
数学常数 e = 2.718281...，精确到可用精度。
l math.tau
数学常数 τ = 6.283185...，精确到可用精度。Tau 是一个圆周常数，等于 2π，圆的周长与半径之比。更多关于 Tau 的信息可参考 Vi Hart 的视频 Pi is (still) Wrong。吃两倍多的派来庆祝 Tau 日 吧！
l math.inf
浮点正无穷大。 （对于负无穷大，使用 -math.inf 。）相当于 float(\'inf\') 的输出。
l math.nan
浮点“非数字”（NaN）值。 相当于 float(\'nan\') 的输出。
以上是 python-math模块 的全部内容， 来源链接： utcz.com/z/388672.html
