Numpy数组运算

文章目录

• 算术运算
• 比较 获取符合值 统计 逻辑运算
• 广播

算术运算

a = np.array([1,2,3,4,5])
b = np.array([0,1,2,3,4])

nd为一个数或一维或多维数组数组，a、b为两数组

代码	含义
1.0/a	数组除法，倒数
b/a	除法
a+b	加
a-b	减
a*b	乘
2**a	次方 a**2
b//a	整除
-a	取负
b%a	取余
nd.min()	最小值
nd.min(axis=0)	二维中每列最小
nd.min(axis=1)	二维中每行最小
np.min(nd)	最小值
np.max(nd)	最大值
np.maximum(nd, 5)	与5相比返回最大值，如果nd为数组则小于5的用5填充
np.sqrt(nd)	开方
np.power(nd,2)	指数
np.sin(nd)	三角函数 nd = np.linscape(0,np.pi,3)
np.cos(nd)	三角函数
np.abs(nd)	绝对值 absolute(nd) 复数取绝对值则为模长
np.exp(nd)	指数函数，打印e的nd次方，e是一个常数为2.71828
np.sum(nd)	求和
np.mean(nd)	计算平均值 nd.mean(0) (1) 多维数据不同维度均值
np.median(nd)	中位数
np.std(nd)	标准差
np.var(nd)	方差
np.log(nd)	底为e的对数,nd不能为0
np.log2(nd)	底为2的对数,nd不能为0
np.multiply(nd, nd)	对应元素相乘，也可乘常数，如np.multiply(nd, 2)即nd1*2，nd1/2
np.add(nd, nd)	相加
np.subtract(nd, nd)	相减
np.divide(nd, nd)	相除
np.negative(nd)	负数
np.floor_dicide(nd,nd)	整除
np.mod(nd,nd)	取模
np.dot(nd, nd)	内积，矩阵相乘，nd为多维数组
np.add.reduce(a)	各元素和
np.add.accumulate(a)	计算中间结果 [1,3,6,10,15] 乘法类似
np.multiply.reduce(a)	各元素乘积
np.multiply.outer(a,a)	外积(矩阵相乘)

比较 获取符合值 统计 逻辑运算

a = np.array([1,2,3,4,5,6])

代码	含义	结果
a>3	大于	[False False False True True True]
a==3	等于	[False False True False False False]
np.equal(a,3)	等于	[False False True False False False]
np.not_equal(a,3)	不等于	[ True True False True True True]
np.less(a,3)	小于	[ True True False False False False]
np.less_equal(a, 3)	小于等于	[ True True True False False False]
np.greater(a, 3)	大于	[False False False True True True]
np.greater_equal(a, 3)	大于等于	[False False True True True True]

a = np.array([[1,3,6],[3,1,5]])

代码	含义	结果
a[a<3]	小于3的所有值	[1 1]
np.count_nonzero(a<3)	a中小于3的个数	2
np.sum(a<3)	a中小于3的个数 false被解释为0 True为1	2
np.sum(a<3,axis=1)	每行小于3的个数	[1 1]
np.any(a>3)	判断a有没有大于3的，返回False True	True
np.all(a<5)	a中所有值是否都小于5	False
np.bitwise_and(a>2,a<4)	&
np.bitwise_or(a<2,a>4)	或
np.bitwise_xor()	^
np.bitwise_not()	~
np.sum((a>2)&(a<4))	2到4之间的个数
np.sum((a<2)	(a>4))	小于2或大于4的个数
np.sum(~((a<2)	(a>4)))	非

广播

将不同维度的数据扩充为相同维度
如[5]扩充为[5,5,5]，[0,1,2]扩充为[[0,1,2],[0,1,2],[0,1,2]]，[[0],[1],[2]]扩充为[[0,0,0],[1,1,1],[2,2,2]]等

import numpy as np

a = np.array([0,1,2])
b = np.array([[1,1,1],[1,1,1],[1,1,1]])
c = np.array([[0],[1],[2]])
print(a+5)  # [5 6 7]   5广播为[5,5,5]，相当于[0,1,2]+[5,5,5]
print(b+a)  # [[1 2 3] [1 2 3] [1 2 3]]   相当于a广播为[[0,1,2],[0,1,2],[0,1,2]]  两个相加
print(c+a)  # [[0 1 2] [1 2 3] [2 3 4]]   a为[[0,1,2],[0,1,2][,0,1,2]] b为[[0,0,0],[1,1,1],[2,2,2]]