当前位置: 首页 > news >正文

numpy——数学运算

一、标量——矢量

import numpy as npa = 3.14
b = np.array([[9, 5], [2, 7]])print(a)
print(b)# ---------- 四则运算 ----------
print(a + b)  # np.add
print(a - b)  # np.subtract
print(a * b)  # np.multiply
print(a / b)  # np.divide

474db7397569448cae0cb0a836662c76.png

二、矢量——矢量

import numpy as npa = np.array([[3, 1], [4, 1]])
b = np.array([[9, 5], [2, 7]])print(a)
print(b)# ---------- 四则运算 ----------
print(a + b)
print(a - b)
print(a * b)  # 注意: 这不是矩阵的乘法
print(a / b)

d36e68fa1d744fbfb62af299ee0d76f3.png

三、广播

import numpy as npa = np.array([3, 1])
b = np.array([[9, 5], [2, 7]])# print(a)
# print(a.shape)
# print(b)
# print(b.shape)# ---------- 广播 ----------
# 当矩阵维度不同时, 可以进行广播操作
print(a + b)
print(a - b)
print(a * b)
print(a / b)

b9e260988c294f7bb01fbfef87f071f4.png

四、矢量相乘

import numpy as npa = np.array([[9, 5], [2, 7]])
b = np.array([[3, 1, 4], [1, 5, 9]])print(a)
print(b)# ---------- 矩阵相乘(前列=后行) ----------
print(np.dot(a, b))

13bad08825c64af7bcfb11689150b883.png

五、常见计算

import numpy as npt = np.random.uniform(0, 10, size=(3, 4))
print(t)print(np.ceil(t))  # 向上取整
print(np.floor(t))  # 向下取整
print(np.rint(t))  # 四拾伍入
print(np.isnan(t))  # 判空为 NAN(Not A Number)
print(np.where(t > 5, 1, 0))  # 三元运算: 1 if t > 5 else 0   #数据预处理

52d3c99c70ed4859a29566c328e0fc64.png

六、统计函数

import numpy as np# 姓名  数学  语文  总分
# 小明   63   92   155
# 小红   89   76   165
# 总分   152  168t = np.array([[63, 92],[89, 76],
])# # ---------- 求和 ----------
# print(np.sum(t, axis=1))  # 按行求和
# print(np.sum(t, axis=0))  # 按列求和# ---------- 平均值 ----------
print(np.mean(t, axis=1))  # 按行求平均值
print(np.average(t, axis=1))  # 按行求平均值
#
print(np.mean(t, axis=0))  # 按列求平均值
print(np.average(t, axis=0))  # 按列求平均值
#
# ---------- 最大与最小 ----------
print(np.max(t, axis=1))  # 按行求最大值
print(np.max(t, axis=0))  # 按列求最大值print(np.min(t, axis=1))  # 按行求最小值
print(np.min(t, axis=0))  # 按列求最小值
#
# ---------- 标准差与方差 ----------
print(np.std(t, axis=1))  # 按行求标准差
print(np.var(t, axis=1))  # 按行求方差
#
# # ---------- 最值的索引 ----------
print(np.argmax(t, axis=1))  # 按行求最大值的索引
print(np.argmin(t, axis=1))  # 按行求最小值的索引
#
# ---------- 累计操作 ----------
print(np.cumsum(t, axis=1))  # 累加和: 当前元素与前一个元素的和
print(np.cumprod(t, axis=1))  # 累乘积: 当前元素与前一个元素的积

f82d1b489f5a4647a9742641f045e14f.png

七、判断函数

import numpy as npt = np.array([[9,5], [2, 7]])print(t.any())  # 至少有一个元素满足指定条件, 返回True   cyc:没空的
print(t.all())  # 所有的元素满足指定条件, 返回Truet = np.array([[3, 1], [4, 1]])
print(np.unique(t))  # 去重, 并升序返回

d6832bbec5884c9aa084d4ba9dea75c6.png

 


http://www.mrgr.cn/news/60631.html

相关文章:

  • 博客搭建之路:hexo搜索引擎收录
  • SSA-CNN-LSTM-MATT多头注意力机制多特征分类预测
  • Flutter鸿蒙next 刷新机制的高级使用【衍生详解】
  • 【单片机运行的原理及应用方向】
  • 利用Django实现MySQL数据库的内容在网页的增删改写
  • ATmega128定时器里面的定时器和外部中断配置
  • C++ vector
  • 西门子S7-200 SMART 多泵轮换功能库案例下载
  • 超子物联网HAL库笔记:准备篇
  • TypeScript 接口知识点详解
  • 多态的体现
  • 三维测量与建模笔记 - 2.1 坐标转换基础
  • redis学习路线和内容
  • 亿赛通与Ping32:数据安全领域的两大巨擘对比
  • 二十四、Python基础语法(变量进阶)
  • 计算机网络803-(5)运输层
  • 常见大气校正模型及6S模型安装部署【20241028】
  • 仓颉编程语言一
  • 011:软件卸载工具TotalUninstall安装教程
  • 重写(外壳不变)
  • CSS3新增长度单位
  • Python自动化测试中的Mock与单元测试实战
  • 基于vue、VantUI、django的程序设计
  • 【HeadFirst 设计模式】设计模式总结与C++案例
  • 外包干了30天,技术明显退步
  • 内网穿透之网络层ICMP隧道