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= [1 2 3 4 5]
a+b= [ 4  6  8 10 12]
a-b= [2 2 2 2 2]
a/b= [ 3.          2.          1.66666667  1.5         1.4       ]
a*b= [ 3  8 15 24 35]

關於矩陣乘法

對應元素進行比較

a = np.arange(3,8)
b = np.arange(1,6)
a==b

array([false, false, false, false, false], dtype=bool)

陣列比較

np.array_equal(a,b)

false

any函式與all函式

a = np.array([1,3,2,5,7])
b = np.array([1,2,3,7,5])
print(a==b)
print(np.any(a==b)) # 存在乙個true，則返回true
print(np.all(a==b)) # 所有全為true，則返回true

[ true false false false false]
true
false

比較兩陣列是否相近(往往是同乙個陣列由於計算精度不同所有略有差別)

a = np.array([[1.,1.,1.],
[2.,2.,2.],
[3.,3.,3.]])
b = a.copy()
b[0,0] = 0.99999
print("a=",a)
print("b=",b)
print(np.allclose(a,b))

a= [[ 1.  1.  1.]
[ 2.  2.  2.]
[ 3.  3.  3.]]
b= [[ 0.99999  1.       1.     ]
[ 2.       2.       2.     ]
[ 3.       3.       3.     ]]
true

python中的and、or、not等關鍵字無法被過載，因此numpy提供了額外的函式：np.logical_and、np.logical_not、np.logical_or、np.logical_xor

a = np.arange(5)
b = np.arange(4,-1,-1)
print(a)
print(b)
print(np.logical_or(a==b,a > b))

[0 1 2 3 4]
[4 3 2 1 0]
[false false  true  true  true]

位運算子&、|、~、^等價於布林運算，其可以進行過載，因此可以直接應用於numpy陣列

(a==b)|(a>b)

array([false, false,  true,  true,  true], dtype=bool)

print(np.arange(5))
print(~np.arange(5)+1)#按位「取反加1」得到負數的補碼

[0 1 2 3 4]
[ 0 -1 -2 -3 -4]

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,...

基本運算 NumPy

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 9.12945251,9.880...

Numpy陣列運算

import numpy as np arr1 np.array 1,2,3 4,5,6 arr2 np.array 1,1,2 2,3,3 print arr1 print arr2 print arr1 arr2 兩個陣列的同位置元素相加 print arr1 arr2 兩個陣列的同位置元素相減...

Numpy陣列的基本運算

NumPy 基本運算

基本運算 NumPy

Numpy陣列運算

相關推薦