Numpy数组算术-广播机制-数组拼接-切片

最新推荐文章于 2022-12-30 16:55:20 发布

QiuBeiXianSeng

最新推荐文章于 2022-12-30 16:55:20 发布

阅读量542

点赞数

分类专栏：数组算术广播机制切片文章标签： numpy python 索引栈列表

本文链接：https://blog.csdn.net/QiuBeiXianSeng/article/details/108192428

版权

本文介绍了Numpy数组的算术操作，包括广播机制，允许不同尺寸的数组进行运算；详细阐述了数组拼接，如垂直`vstack()`和水平`hstack()`拼接的条件；并探讨了数组切片，从一维到二维的索引与切片方法，以及如何使用布尔索引和`numpy.where()`函数进行条件操作。

摘要由CSDN通过智能技术生成

Numpy数组算术

数组之所以重要是因为它允许我们进行批量操作数据并且没有任何for循环。也被称为向量化。

数组与标量的算术操作
数组与标量的算术操作会把计算参数传递给数组的每一个元素。

[0,1,2,3,4,5] 中每个元素 +1

代码展示：

import numpy as np

# 法1
[i+1 for i in range(6)]

# 法2
def add_one(x):
    return x+1

list(map(add_one,range(6)))   # map(func,iterables)

# lanbda：定义匿名函数的关键字
# x:形参
# x+1:返回值
# f = lambda x:x+1
# f(4)
list(map(lambda x:x+1,range(6)))

数组运算
数组与标量运算

代码展示：

arr = np.arange(6)
arr

arr + 1   # 每个元素都会进行相加运算（广播机制）

arr1 = np.arange(6).reshape(2,3)
arr1

arr1 + 2 
arr1*2
arr1**2
arr1//2

# nan 0/0--> nan not a number
# inf 0是一个接近无穷小的数 infinity

arr2 = arr1/0
arr2.dtype   # float64

两个等尺寸数组的算术操作
两个等尺寸数组的算术操作实际上是逐元素操作。

代码展示：