numpy的基础运算1
在numpy中的基本运算,常用的有:+、-、*、/、**(乘方)、.dot(矩阵乘法)
import numpy as np
a=np.array([1,2,3])
b=np.array([4,8,6])
c1=a-b #减法运算,对应位置元素相减
c2=a+b #加法运算,对应位置元素相加
c3=a*b #乘法运算,对应位置元素相乘
c4=a/b #除法运算,对应位置元素相除
c5=b**a #幂运算,a为幂指数
print(c1)
print(c2)
print(c3)
print(c4)
print(c5)
print(np.sum(a)) #对a中元素求和输出
print(np.max(a)) #输出a中的最大值
print(np.min(a)) #输出a中的最小值
输出结果:
[-3 -6 -3]
[ 5 10 9]
[ 4 16 18]
[0.25 0.25 0.5 ]
[ 4 64 216]
6
3
1
下图所示为线性代数中的矩阵乘法规则:
在numpy中可以使用**.dot()**实现矩阵乘法(或者说是“点积”)。
b=np.array([[1,2],[4,6]])
b1=np.arange(4).reshape(2,2)
b2=np.dot(b,b1) # 矩阵乘法
print(b)
print(b1)
print(b2)
输出结果:
[[1 2]
[4 6]]
[[0 1]
[2 3]]
[[ 4 7]
[12 22]]
二维数组的加减乘除法等基本运算同上面一维数组相同,但对于.dot()在一维数组中的运算是对应位置元素相乘之后求和:
a=np.array([1,2,3])
b=np.array([2,3,4])
c=a.dot(b) #使用.dot()的另一种形式,a.dot(b)、np.dot(a,b) 二者结果相同
print(c)
输出结果:
20
本篇就到这,关于numpy的使用将会在下一篇章中继续介绍,想要熟练使用还是得多敲代码呀。如果文章中有错误,欢迎留言指出,我是小白,一起学习!