python numpy运算（2）

演技拉满的白马

已于 2022-09-01 11:28:36 修改

阅读量1.6k

点赞数 2

分类专栏： python 文章标签： python numpy 机器学习

于 2022-08-31 23:29:51 首次发布

本文链接：https://blog.csdn.net/qq_34786604/article/details/126623462

版权

python 专栏收录该内容

31 篇文章 5 订阅

订阅专栏

python numpy运算（2）

上一节的内容是抽象的线性代数基础概念。
但是作为程序员，我们不是数学家。

我们关注numpy作为数据结构能为我们做什么？

numpy最多的还是作为一维数据的容器，进行各种批量的线性运算。

所以，这一节脚踏实地做一些具体的运算。

本节阅读需20min，实操需20min。

前言

本节关注常见的实际编程中需要熟知的ndarray操作。
例如：位运算，数学运算，统计运算。

一、np位运算

用的相对较少，用Python做什么位运算优化是不太划算的。但是概念和操作还是要知道。

位运算就是0,1的逻辑关系以及二进制的左移和右移。

位与，位或

import numpy as np 
 
print ('13 和 17 的二进制形式：')
a,b = 13,17
print (bin(a), bin(b))
print ('\n')
 
print ('13 和 17 的位与：')
print (np.bitwise_and(13, 17)) # 或者 a & b
print ('13 和 17 的位或：')
print (np.bitwise_or(13, 17)) # 或者 a | b

按位取反

invert比较难理解。
invert() 函数对数组中整数进行位取反运算，即 0 变成 1，1 变成 0。
但是是有有符号数和无符号数之分的。。。
所以要分类讨论。
无符号数也就是正数，简单。
对于有符号整数，取该二进制数的补码，然后 +1。二进制数，最高位为0表示正数，最高位为 1 表示负数。

import numpy as np 
 
print ('13 的位反转，其中 ndarray 的 dtype 是 uint8：')
print (np.invert(np.array([13], dtype = np.uint8)))
print ('\n')
# 比较 13 和 242 的二进制表示，我们发现了位的反转
 
print (np.binary_repr(13, width = 8)) # 00001101
 
print (np.binary_repr(242, width = 8)) # 11110010

binary_repr相当于是转化为二进制。

为什么会出现位的反转呢？

2的八次方是256。我们选择的这两个数相加也是。因为0的原因，所以13其实是第14个。
这样八位编码域完全用完，自然是反转的。。。

左移和右移

这几乎是乘法和除法的物理基础。
具体理论请自行百度。
简单介绍就是。见名知义。

import numpy as np 
 
print ('将 10 左移两位：')
print (np.left_shift(10,2))
print ('\n')
 
print ('10 的二进制表示：')
print (np.binary_repr(10, width = 8))
print ('\n')
 
print ('40 的二进制表示：')
print (np.binary_repr(40, width = 8))
#  '00001010' 中的两位移动到了左边，并在右边添加了两个 0。

左移和右移是一种物理层面的数值计算

二、常见的数学函数

1.三角函数


import numpy as np
 
a = np.array([0,30,45,60,90])
print ('不同角度的正弦值：')
# 通过乘 pi/180 转化为弧度  
print (np.sin(a*np.pi/180))
print ('\n')
print ('数组中角度的余弦值：')
print (np.cos(a*np.pi/180))
print ('\n')
print ('数组中角度的正切值：')
print (np.tan(a*np.pi/180))
# 剩下的
np.arcsin(sin) 
np.arccos(cos)
np.tan(a*np.pi/180)
np.arctan(tan)

np.pi代表的圆周率。
角度转化为弧度*np.pi/180。
这些函数的结果可以通过 numpy.degrees() 函数将弧度转换为角度

2.舍入函数

a = np.array([1.0,5.55,  123,  0.567,  25.532])  
print  ('原数组：')
print (a)
print ('\n')
print ('舍入后：')
print (np.around(a))
print (np.around(a, decimals =  1))
print (np.around(a, decimals =  -1)) # 舍入的小数位数。 默认值为0。 如果为负，整数将四舍五入到小数点左侧的位置
# numpy.floor()向下取整

import numpy as np
 
a = np.array([-1.7,  1.5,  -0.2,  0.6,  10])
print ('提供的数组：')
print (a)
print ('\n')
print ('修改后的数组：')
print (np.floor(a))
#　numpy.ceil() 向上取整
print ('修改后的数组：')
print (np.ceil(a))

3.四则运算


import numpy as np 
 
a = np.arange(9, dtype = np.int16).reshape(3,3)  
print ('第一个数组：')
print (a)
print ('\n')
print ('第二个数组：')
b = np.array([10,10,10])  
print (b)
print ('\n')
print ('两个数组相加：')
print (np.add(a,b))
print ('\n')
print ('两个数组相减：')
print (np.subtract(a,b))
print ('\n')
print ('两个数组相乘：')
print (np.multiply(a,b))
print ('\n')
print ('两个数组相除：')
print (np.divide(a,b))

这些展示的是二维的角度。一般都是如此或者两个都是一维的。
相当于对应位置进行四则运算，多维的话相当于广播。

等价于：
print(a+b)
print(a-b)
print(a*b)
print(a/b)

3.倒数

import numpy as np 
 
a = np.array([0.25,  1.33,  1,  100])  
print ('我们的数组是：')
print (a)
print ('\n')
print ('调用 reciprocal 函数：')
print (np.reciprocal(a))

4.幂


import numpy as np 
 
a = np.array([10,100,1000])  

print (np.power(a,2))

b = np.array([1,2,3])  

print (np.power(a,b))# b要么是个数字，要么就是一个和a形状一致的array。
# [        10      10000 1000000000]

5.模运算

其实就是取余数。


import numpy as np
 
a = np.array([10,20,30]) 
b = np.array([3,5,7])  
print ('第一个数组：')
print (a)
print ('\n')
print ('第二个数组：')
print (b)
print ('\n')
print ('调用 mod() 函数：')
print (np.mod(a,b))
print ('\n')
print ('调用 remainder() 函数：')
print (np.remainder(a,b))