基本運算 NumPy

2021-07-26 04:26:20 字數 2856 閱讀 6608

陣列的算術運算是按元素的。新的陣列被建立並且被結果填充。

>>> a = array( [20,30,40,50] )


>>> b = arange( 4 )


>>> b


array([0, 1, 2, 3])


>>> c = a-b


>>> c


array([20, 29, 38, 47])


>>> b**2


array([0, 1, 4, 9])


>>> 10*sin(a)


array([ 9.12945251, -9.88031624,  7.4511316 , -2.62374854])


>>> a<35


array([true, true, false, false], dtype=bool)
不像許多矩陣語言，numpy中的乘法運算子*指示按元素計算，矩陣乘法可以使用dot函式或建立矩陣物件實現(參見教程中的矩陣章節) 

>>> a = array( [[1,1],


...             [0,1]] )


>>> b = array( [[2,0],


...             [3,4]] )


>>> a*b                         # elementwise product


array([[2, 0],


[0, 4]])


>>> dot(a,b)                    # matrix product


array([[5, 4],


[3, 4]])
有些操作符像+=和*=被用來更改已存在陣列而不建立乙個新的陣列。 

>>> a = ones((2,3), dtype=int)


>>> b = random.random((2,3))


>>> a *= 3


>>> a


array([[3, 3, 3],


[3, 3, 3]])


>>> b += a


>>> b


array([[ 3.69092703,  3.8324276 ,  3.0114541 ],


[ 3.18679111,  3.3039349 ,  3.37600289]])


>>> a += b                                  # b is converted to integer type


>>> a


array([[6, 6, 6],


[6, 6, 6]])
當運算的是不同型別的陣列時，結果陣列和更普遍和精確的已知(這種行為叫做upcast)。

>>> a = ones(3, dtype=int32)


>>> b = linspace(0,pi,3)


>>> b.dtype.name


'float64'


>>> c = a+b


>>> c


array([ 1.        ,  2.57079633,  4.14159265])


>>> c.dtype.name


'float64'


>>> d = exp(c*1j)


>>> d


array([ 0.54030231+0.84147098j, -0.84147098+0.54030231j,


-0.54030231-0.84147098j])


>>> d.dtype.name


'complex128' 許多非陣列運算，如計算陣列所有元素之和，被作為ndarray類的方法實現


>>> a = random.random((2,3))


>>> a


array([[ 0.6903007 ,  0.39168346,  0.16524769],


[ 0.48819875,  0.77188505,  0.94792155]])


>>> a.sum()


3.4552372100521485


>>> a.min()


0.16524768654743593


>>> a.max()


0.9479215542670073
這些運算預設應用到陣列好像它就是乙個數字組成的列表，無關陣列的形狀。然而，指定axis引數你可以吧運算應用到陣列指定的軸上： 

>>> b = arange(12).reshape(3,4)


>>> b


array([[ 0,  1,  2,  3],


[ 4,  5,  6,  7],


[ 8,  9, 10, 11]])


>>>


>>> b.sum(axis=0)                            # sum of each column


array([12, 15, 18, 21])


>>>


>>> b.min(axis=1)                            # min of each row


array([0, 4, 8])


>>>


>>> b.cumsum(axis=1)                         # cumulative sum along each row


array([[ 0,  1,  3,  6],


[ 4,  9, 15, 22],


[ 8, 17, 27, 38]])

NumPy 基本運算

在原文基礎上適當精簡並更正少量原作者的筆誤 基本運算 1.陣列的算術運算是按元素的。新的陣列被建立並且被結果填充 a array 20,30,40,50 b arange 4 b array 0,1,2,3 c a b c array 20,29,38,47 b 2 x.2 array 0,1,4,...

Numpy陣列的基本運算

import numpy as np對應元素進行四則運算 a np.arange 3,8 b np.arange 1,6 print a a print b b print a b a b print a b a b print a b a b print a b a b a 3 4 5 6 7 b...

利用numpy庫實現基本矩陣運算

一 建立矩陣 numpy庫中有兩種建立矩陣的方法，兩種方法產生的矩陣型別有所不同。第一種方法是matrix方法，產生的是普通矩陣 import numpy as np 在idle下直接呼叫numpy庫 a np.matrix 1,2 3,4 5,6 產生乙個3 2的矩陣a而另一種方法為array方法...