基本 Numpy 操作概述

2018-09-25 08:00:00 · 飞浪

介绍创建数组后，您就可以执行基本的Numpy操作。本指南将为您提供一组可用于操作数组的工具。如果您想了解创建数组的不同技术，请参阅我之前的指南：创建Numpy数组的不同方法。

介绍

创建数组后，您就可以执行基本的 Numpy 操作。本指南将为您提供一组可用于操作数组的工具。如果您想了解创建数组的不同技术，请参阅我之前的指南：创建 Numpy 数组的不同方法。

一维数组上的运算

在 Numpy 中使用算术运算符

让我们看一个一维数组。我有 2 个数组，array1 和 array2，通过两种不同的技术创建：

      array1 = np.array([10,20,30,40,50])
array2 = np.arange(5)
array2
    

输出：

      array([0, 1, 2, 3, 4])

您可以对这些数组执行算术运算。例如，如果您添加数组，算术运算符将按元素进行。输出将是相同维度的数组。

      array3 = array1 + array2
array3
    

输出：

      array([10, 21, 32, 43, 54])

以下是其图示：

如果您尝试添加具有相同维度但元素数量不同的数组，则会收到错误。例如：

      array4 = np.array([1,2,3,4])
array1 + array4
    

输出：

      **ValueError**: operands could not be broadcast together with shapes (5,) (4,)

您可以使用标量值对数组运行算术运算。例如，此代码将数组的每个元素乘以 2。

      array1*2

输出：

      array([ 20,  40,  60,  80, 100])

要求数字的平方，请使用**。

      array1**2

输出：

      array([ 100,  400,  900, 1600, 2500], dtype=int32)

如果您想要对各个元素求立方，甚至求得更高的值，请使用幂函数。在这里，数组的每个元素都将被提升到 3 次方。

      np.power(array1,3)

输出：

      array([  1000,   8000,  27000,  64000, 125000], dtype=int32)

将 Numpy 与条件表达式结合使用

您可以使用条件来查找符合条件的值。由于 array1 是一个数组，因此条件操作的结果也是一个数组。当我们执行条件检查时，输出是一个布尔值数组。

      array5 = array1 >= 30
array5
    

输出：

      array([False, False,  True,  True,  True])

您还可以将这个布尔数组传递给主数组来获取符合条件的值。

      array1[array5]

输出：

      array([30, 40, 50])

您无需创建单独的布尔数组，而是可以直接在主数组上指定条件操作。如下所示：

      array1[array1 >= 30]

输出：

      array([30, 40, 50])

这是一个简单的单步过程。首先，评估条件运算，然后将条件运算的结果传递到主数组以获取过滤结果。

二维数组上的运算

Numpy 二维数组的算术运算符

让我们创建两个二维数组，A 和 B。

      A = np.array([[3,2],[0,1]])
B = np.array([[3,1],[2,1]])
    

并打印它们：

      print(A)

输出：

      [3 2]
 [0 1]
    

      print(B)

输出：

      [3 1]
 [2 1]
    

注意：如果打印数组，则输出中不会出现数组关键字。

现在，我们尝试将数组相加。不出所料，数组中各个位置的元素被加在一起了。

A+B

输出：

      array([[6, 3],
          [2, 2]])
    

图示如下。

所有算术运算都以类似的方式工作。您还可以对数组进行乘法或除法。运算按元素执行。

A*B

输出：

      array([[9, 2],
          [0, 1]])
    

与 C# 和 Java 等编程语言类似，你也可以在 Numpy 数组上使用 +=、*= 等运算符。例如，我们有数组：

输出：

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

对数组“A”执行 += 操作相当于将数组的每个元素与指定的值相加。因此，

      A +=2

输出：

      array([[5, 4],
       [2, 3]])
    

请注意，此操作是在原地执行的。同样，您可以使用其他算术运算，如 -= 和 \ *=。

矩阵乘法

要执行典型的矩阵乘法（或矩阵乘积），可以使用运算符“@”。

      A @ B

输出：

      array([[13,  5],
       [ 2,  1]])
    

它的工作原理如下：输出中的单元格 (1,1)（值：13）是矩阵 A（二维数组 A）中第 1 行与矩阵 B 中第 1 列的和积。

类似地，输出中的单元格 (1,2) 是矩阵 A 中第 1 行与矩阵 B 中第 2 列的和积。

依此类推，所有单元格的值都会被填充。

以下是单元格 (1,1) 的图形表示：

也可以通过函数dot</st

_{免责声明：本内容来源于第三方作者授权、网友推荐或互联网整理，旨在为广大用户提供学习与参考之用。所有文本和图片版权归原创网站或作者本人所有，其观点并不代表本站立场。如有任何版权侵犯或转载不当之情况，请与我们取得联系，我们将尽快进行相关处理与修改。感谢您的理解与支持！}

_查看原文

python

技术指南

阅读全文

基本 Numpy 操作概述

杭州电子商务研究院

6年前 · 面向社会、服务行业、政产学研结合、整合资源、和谐发展

介绍

一维数组上的运算

在 Numpy 中使用算术运算符

让我们看一个一维数组。我有 2 个数组，array1 和 array2，通过两种不同的技术创建：

      array1 = np.array([10,20,30,40,50])
array2 = np.arange(5)
array2
    

输出：

      array([0, 1, 2, 3, 4])

您可以对这些数组执行算术运算。例如，如果您添加数组，算术运算符将按元素进行。输出将是相同维度的数组。

      array3 = array1 + array2
array3
    

输出：

      array([10, 21, 32, 43, 54])

以下是其图示：

如果您尝试添加具有相同维度但元素数量不同的数组，则会收到错误。例如：

      array4 = np.array([1,2,3,4])
array1 + array4
    

输出：

      **ValueError**: operands could not be broadcast together with shapes (5,) (4,)

您可以使用标量值对数组运行算术运算。例如，此代码将数组的每个元素乘以 2。

      array1*2

输出：

      array([ 20,  40,  60,  80, 100])

要求数字的平方，请使用**。

      array1**2

输出：

      array([ 100,  400,  900, 1600, 2500], dtype=int32)

如果您想要对各个元素求立方，甚至求得更高的值，请使用幂函数。在这里，数组的每个元素都将被提升到 3 次方。

      np.power(array1,3)

输出：

      array([  1000,   8000,  27000,  64000, 125000], dtype=int32)

将 Numpy 与条件表达式结合使用

您可以使用条件来查找符合条件的值。由于 array1 是一个数组，因此条件操作的结果也是一个数组。当我们执行条件检查时，输出是一个布尔值数组。

      array5 = array1 >= 30
array5
    

输出：

      array([False, False,  True,  True,  True])

您还可以将这个布尔数组传递给主数组来获取符合条件的值。

      array1[array5]

输出：

      array([30, 40, 50])

您无需创建单独的布尔数组，而是可以直接在主数组上指定条件操作。如下所示：

      array1[array1 >= 30]

输出：

      array([30, 40, 50])

这是一个简单的单步过程。首先，评估条件运算，然后将条件运算的结果传递到主数组以获取过滤结果。

二维数组上的运算

Numpy 二维数组的算术运算符

让我们创建两个二维数组，A 和 B。

      A = np.array([[3,2],[0,1]])
B = np.array([[3,1],[2,1]])
    

并打印它们：

      print(A)

输出：

      [3 2]
 [0 1]
    

      print(B)

输出：

      [3 1]
 [2 1]
    

注意：如果打印数组，则输出中不会出现数组关键字。

现在，我们尝试将数组相加。不出所料，数组中各个位置的元素被加在一起了。

A+B

输出：

      array([[6, 3],
          [2, 2]])
    

图示如下。

所有算术运算都以类似的方式工作。您还可以对数组进行乘法或除法。运算按元素执行。

A*B

输出：

      array([[9, 2],
          [0, 1]])
    

与 C# 和 Java 等编程语言类似，你也可以在 Numpy 数组上使用 +=、*= 等运算符。例如，我们有数组：

输出：

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

对数组“A”执行 += 操作相当于将数组的每个元素与指定的值相加。因此，

      A +=2

输出：

      array([[5, 4],
       [2, 3]])
    

请注意，此操作是在原地执行的。同样，您可以使用其他算术运算，如 -= 和 \ *=。

矩阵乘法

要执行典型的矩阵乘法（或矩阵乘积），可以使用运算符“@”。

      A @ B

输出：

      array([[13,  5],
       [ 2,  1]])
    

它的工作原理如下：输出中的单元格 (1,1)（值：13）是矩阵 A（二维数组 A）中第 1 行与矩阵 B 中第 1 列的和积。

类似地，输出中的单元格 (1,2) 是矩阵 A 中第 1 行与矩阵 B 中第 2 列的和积。

依此类推，所有单元格的值都会被填充。

以下是单元格 (1,1) 的图形表示：

也可以通过函数dot</st

_{免责声明：本内容来源于第三方作者授权、网友推荐或互联网整理，旨在为广大用户提供学习与参考之用。所有文本和图片版权归原创网站或作者本人所有，其观点并不代表本站立场。如有任何版权侵犯或转载不当之情况，请与我们取得联系，我们将尽快进行相关处理与修改。感谢您的理解与支持！}

_查看原文

python

技术指南