【数据分析从入门到“入坑“系列】利用Python学习数据分析-Numpy数组运算

概述NumPy数组的运算数组很重要，因为它使你不用编写循环即可对数据执行批量运算。NumPy用户称其为矢量化（vectorization）。大小相等的数组之间的任何算术运算都会将运算应用到元素级：In[51]:arr=np.array([[1.,2.,3.],[4.,5.,6.]])​In[52]:arrOut[52]:array([[1., NumPy数组的运算

数组很重要，因为它使你不用编写循环即可对数据执行批量运算。NumPy用户称其为矢量化（vectorization）。大小相等的数组之间的任何算术运算都会将运算应用到元素级：

In [51]: arr = np.array([[1., 2., 3.], [4., 5., 6.]])​In [52]: arrOut[52]: array([[ 1.,  2.,  3.],       [ 4.,  5.,  6.]])​In [53]: arr * arrOut[53]: array([[  1.,   4.,   9.],       [ 16.,  25.,  36.]])​In [54]: arr - arrOut[54]: array([[ 0.,  0.,  0.],       [ 0.,  0.,  0.]])

数组与标量的算术运算会将标量值传播到各个元素：

In [55]: 1 / arrOut[55]: array([[ 1.    ,  0.5   ,  0.3333],       [ 0.25  ,  0.2   ,  0.1667]])​In [56]: arr ** 0.5Out[56]: array([[ 1.    ,  1.4142,  1.7321],       [ 2.    ,  2.2361,  2.4495]])

大小相同的数组之间的比较会生成布尔值数组：

In [57]: arr2 = np.array([[0., 4., 1.], [7., 2., 12.]])​In [58]: arr2Out[58]: array([[  0.,   4.,   1.],       [  7.,   2.,  12.]])​In [59]: arr2 > arrOut[59]:array([[False,  True, False],       [ True, False,  True]], dtype=bool)

不同大小的数组之间的运算叫做广播（broadcasting），将在附录A中对其进行详细讨论。本书的内容不需要对广播机制有多深的理解。

总结

以上是内存溢出为你收集整理的【数据分析从入门到“入坑“系列】利用Python学习数据分析-Numpy数组运算全部内容，希望文章能够帮你解决【数据分析从入门到“入坑“系列】利用Python学习数据分析-Numpy数组运算所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。