python运算学习之Numpy ------ 算术运算

　　数组间的加减乘除：

1 a = np.array([1, 2, 3, 4])
2 b = np.array([4, 2, 8, 4])
3 print(a + b, '\n', a - b, '\n', a * b, '\n', a / b)
4 Out[1]:
5  [ 5  4 11  8] 
6  [-3  0 -5  0] 
7  [ 4  4 24 16] 
8  [0.25  1.    0.375 1.   ]

　　数组与数值相加减乘除，实际是对每个元素都进行加减乘除：

　　print(a + 2, '\n', a - 2, '\n', a * 2, '\n', a / 2)

　　Out[2]：

　　[3 4 5 6] 

　　[-1 0 1 2] 

　　[2 4 6 8] 

　　[0.5 1. 1.5 2. ]

　　矩阵间的加减乘除：

 1 A = np.arange(0, 16).reshape((4, 4))
 2 B = np.ones_like(A)
 3 print(A*B)  # 对应元素相乘，加减乘除一样
 4 # 矩阵运算
 5 print(np.dot(A, B))  # 矩阵乘法
 6 print(A.dot(B))  # 矩阵乘法
 7 Out[3]：
 8 [[ 0  1  2  3]
 9  [ 4  5  6  7]
10  [ 8  9 10 11]
11  [12 13 14 15]]
12 [[ 6  6  6  6]
13  [22 22 22 22]
14  [38 38 38 38]
15  [54 54 54 54]]
16 [[ 6  6  6  6]
17  [22 22 22 22]
18  [38 38 38 38]
19  [54 54 54 54]]

　　数组的自增自减：

 1 a = np.array(
 2     [
 3         [1, 2, 3, 4],
 4         [2, 6, 9, 2]
 5     ]
 6 )
 7 a += 1
 8 print(a)
 9 a *= 2
10 print(a)
11 a -= 1
12 print(a)
13 a = a / 2  # a /= 2是错的
14 print(a)
15 Out[4]：
16 [[ 2  3  4  5]
17  [ 3  7 10  3]]
18 [[ 4  6  8 10]
19  [ 6 14 20  6]]
20 [[ 3  5  7  9]
21  [ 5 13 19  5]]
22 [[1.5 2.5 3.5 4.5]
23  [2.5 6.5 9.5 2.5]]

　　通用函数： 是一种对ndararry中的数据执行元素级的运算函数

　　　　一元函数：abs， sqrt，exp，log，log10,log2,log1p，ceil(向上取整)，floor(向下取整)，rint(四舍五入)

　　　　　　　　　round(四舍五入)，trunc，modf，isnan，isinf，cos，sin，tan，logical_not

a = np.array([1.3256, 2.6971358])
print(np.rint(a))
print(np.round(a))
print(np.modf(a))  # np.modf()将数组元素的整数和小数部分以两个不同的数组返回
b = np.array([np.nan, 0, 5, np.inf, 1])  #
print(np.isnan(b))
print(np.isinf(b))
print(np.logical_not(b))  # 计算not b中元素的真值
Out[5]：
[1. 3.]
[1. 3.]
(array([0.3256   , 0.6971358]), array([1., 2.]))
[ True False False False False]
[False False False  True False]
[False  True False False False]

　　　　 二元函数：add，substract，multiply，divide，power，mod，maximum，mininum，fmin，

　　　　　　　　    fmax(将忽略nan)，copysign(复制数组二中的符号给数组一)，greater、greater_equal、

　　　　　　　　　less、less_equal、equal、not_equal，logical_and、logical_or、logical_xor

 1 a = np.array([1, 2, 3, 4.5])
 2 b = np.array([9, 8, 20, 52])
 3 print(np.add(a, b))         # 对应元素相加
 4 print(np.subtract(a, b))    # 对应元素相减
 5 print(np.multiply(a, b))    # 对应元素相乘
 6 print(np.divide(a, b))      # 对应元素相除, 相当于 a / b
 7 c = np.array([1, 2, 3, 4])
 8 d = np.array([1, 2, 3, 4])
 9 print(np.power(c, d))       # 对应元素的幂指函数
10 print(np.mod(b, d))         # 对应元素的幂指函数
11 print(np.copysign(a, [-1, 2, -5, 3]), "标识： np.copysign")
12 print(np.greater(a, d))     # 比较对应元素的大小
13 print(np.logical_and([1, 0.3], [0, 0.5]))  # 逻辑与
14 Out[6]：
15 [10.  10.  23.  56.5]
16 [ -8.   -6.  -17.  -47.5]
17 [  9.  16.  60. 234.]
18 [0.11111111 0.25       0.15       0.08653846]
19 [  1   4  27 256]
20 [0 0 2 0]
21 [-1.   2.  -3.   4.5] 标识： np.copysign
22 [False False False  True]
23 [False  True]

　　数组的排序：

 1 a = np.random.rand(12).reshape(3, 4)
 2 print(a)
 3 print(np.sort(a))  # sort(a, axis=-1, kind='quicksort', order=None)默认按行排序
 4 print(np.sort(a, axis=0))  # axis=1是按行
 5 print(np.argsort(a, axis=0))  # 对a数组排序后对应之前的索引
 6 Out[7]：
 7 [[0.56745389 0.56311812 0.3090698  0.25593579]
 8  [0.97982438 0.56580598 0.74484888 0.32317628]
 9  [0.3334283  0.53780294 0.44998125 0.67227849]]
10 [[0.25593579 0.3090698  0.56311812 0.56745389]
11  [0.32317628 0.56580598 0.74484888 0.97982438]
12  [0.3334283  0.44998125 0.53780294 0.67227849]]
13 [[0.3334283  0.53780294 0.3090698  0.25593579]
14  [0.56745389 0.56311812 0.44998125 0.32317628]
15  [0.97982438 0.56580598 0.74484888 0.67227849]]
16 [[2 2 0 0]
17  [0 0 2 1]
18  [1 1 1 2]]

　　数组的聚合函数：

 1 a = np.array([1.3, 2.5, 6., 8.5])
 2 print(a.sum())
 3 print(a.min())
 4 print(a.std())
 5 print(a.mean())
 6 Out：
 7 18.3
 8 1.3
 9 2.849012986983387
10 4.575
posted @ 2018-07-29 21:40  巴蜀秀才  阅读(220)  评论(0)  编辑  收藏  举报