文档章节

Numpy的基本运算操作

千面人
 千面人
发布于 2017/05/07 10:57
字数 279
阅读 26
收藏 0

一、四则运算(运算都作用在各个元素上,可理解为批量操作):

  1. 加 a+b
  2. 减 a-b
  3. 乘 a*b   (注意:不是矩阵或向量乘法)
  4. 除 a/b
>>> a = np.ones((2,3))
>>> b = np.random.rand(2,3)
>>> a + b
array([[ 1.31103566,  1.80777764,  1.66783499],
       [ 1.12616354,  1.76684873,  1.18431413]])
>>> a - b
array([[ 0.68896434,  0.19222236,  0.33216501],
       [ 0.87383646,  0.23315127,  0.81568587]])
>>> a * b
array([[ 0.31103566,  0.80777764,  0.66783499],
       [ 0.12616354,  0.76684873,  0.18431413]])
>>> a / b
array([[ 3.21506541,  1.23796445,  1.49737586],
       [ 7.92621993,  1.30403815,  5.42552009]])

二、矩阵运算:

np.dot表示向量点积或者矩阵运算,两个向量可以直接做点积,不需要转置。

Unlike in many matrix languages, the product operator * operates elementwise in NumPy arrays. The matrix product can be performed using the dot function or method

>>> A = np.array( [[1,1],
...             [0,1]] )
>>> B = np.array( [[2,0],
...             [3,4]] )
>>> A*B                         # elementwise product
array([[2, 0],
       [0, 4]])
>>> A.dot(B)                    # matrix product
array([[5, 4],
       [3, 4]])
>>> np.dot(A, B)                # another matrix product
array([[5, 4],
       [3, 4]])

三、通用函数

包括如求和,开方,求均值等函数,非常方便。

NumPy provides familiar mathematical functions such as sin, cos, and exp. In NumPy, these are called “universal functions”(ufunc). Within NumPy, these functions operate elementwise on an array, producing an array as output.

>>> B = np.arange(3)
>>> B
array([0, 1, 2])
>>> np.exp(B)
array([ 1.        ,  2.71828183,  7.3890561 ])
>>> np.sqrt(B)
array([ 0.        ,  1.        ,  1.41421356])
>>> C = np.array([2., -1., 4.])
>>> np.add(B, C)
array([ 2.,  0.,  6.])

 

© 著作权归作者所有

千面人
粉丝 18
博文 48
码字总数 24904
作品 0
杭州
高级程序员
私信 提问
一文搞定Numpy&Pandas

简单来说,Numpy就是用来进行矩阵计算的,而Pandas则基于Numpy,丰富并简化了Numpy的操作 Numpy 基础操作 基础运算 基础运算(二) 索引和迭代 合并和分割 Pandas 如果说numpy相当于一个lis...

梦中睡觉的巴子
03/29
0
0
图解NumPy,这是理解数组最形象的一份教程了

本文用可视化的方式介绍了 NumPy 的功能和使用示例。 NumPy 软件包是 Python 生态系统中数据分析、机器学习和科学计算的主力军。它极大地简化了向量和矩阵的操作处理。Python 的一些主要软件...

孟飞阳
07/16
27
0
Python3入门机器学习(二)- Jupyter Notebook与Numpy的使用

Jupyter Notebook 高级-魔法命令 1.%run %run 执行python脚本,并将脚本中的函数加载 可以直接使用import命令导入本机目录下的包 2.%timeit %timeit 测试代码的性能 测试结果表明,运行了一千...

Meet相识_bfa5
2018/04/03
0
0
Python 机器学习基础(二)——Numpy 篇

本文是 Python 机器学习基础系列文章的第二篇——Numpy 篇。 Numpy Numpy 是 Python 的一种开源数值计算扩展包,它可以用于存储和处理大型矩阵,比 Python 自带的嵌套列表结构要高效得多。 ...

withchris
2018/05/23
0
0
通过python实现神经网络的基础的基础:numpy

numpy是python高性能科学计算和数据分析的基础包,python的很多其他库都构建在numpy之上,因此你要用python做数据分析与挖掘都最好先学一下numpy的基本操作(当然要学numpy首先要把python语言...

单线程程序员
2018/09/30
0
0

没有更多内容

加载失败,请刷新页面

加载更多

Mybatis Plus删除

/** @author beth @data 2019-10-17 00:30 */ @RunWith(SpringRunner.class) @SpringBootTest public class DeleteTest { @Autowired private UserInfoMapper userInfoMapper; /** 根据id删除......

一个yuanbeth
35分钟前
4
0
总结

一、设计模式 简单工厂:一个简单而且比较杂的工厂,可以创建任何对象给你 复杂工厂:先创建一种基础类型的工厂接口,然后各自集成实现这个接口,但是每个工厂都是这个基础类的扩展分类,spr...

BobwithB
今天
4
0
java内存模型

前言 Java作为一种面向对象的,跨平台语言,其对象、内存等一直是比较难的知识点。而且很多概念的名称看起来又那么相似,很多人会傻傻分不清楚。比如本文我们要讨论的JVM内存结构、Java内存模...

ls_cherish
今天
4
0
友元函数强制转换

友元函数强制转换 p522

天王盖地虎626
昨天
5
0
js中实现页面跳转(返回前一页、后一页)

本文转载于:专业的前端网站➸js中实现页面跳转(返回前一页、后一页) 一:JS 重载页面,本地刷新,返回上一页 复制代码代码如下: <a href="javascript:history.go(-1)">返回上一页</a> <a h...

前端老手
昨天
5
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部