Python数据分析三大框架之 numpy （三）计算

学习了numpy里面的数组计算

 

• 数组减法

import numpy as np

a = np.array([10, 20, 30, 40])
b = np.arange(4) # [0, 1, 2, 3]

#  减法result1  = a - b
print(a, b)
result1 = a - b # [10-0, 20-1, 30-2, 40-3]
print(result1)


#result
[10 20 30 40] [0 1 2 3]
[10 19 28 37]

 

• 数组加法

# 加法 result2 = a + b
print(a, b)
result2 = a + b # [10+0, 20+1, 30+2, 40+3]
print(result2)



#result
[10 20 30 40] [0 1 2 3]
[10 21 32 43]

 

• 数组乘法

  # 乘法 result3 = a * b
  print(a, b)
  result3 = a * b # [10*0, 20*1, 30*2, 40*3]
  print(result3)
  
  
  #result
  [10 20 30 40] [0 1 2 3]
  [  0  20  60 120]

   

• 数组元素的次方

# b 的2次方为
result4 = b**2
print(result4)


#result
[0 1 4 9]

 

• 判断数组里面元素的大小

  # 判断矩阵里面元素的大小
  print(b)
  print(b < 3)
  
  
  #result
  [ True  True  True False]
  [[1 1]

   

 

• 判断数组里面元素的相等值

# 判断矩阵里面元素的相等值
print(b)
print("xiangdeng")
print(b == 3)

#result

[False False False  True]
[[1 1]

 

• 二维矩阵的运算，一一对应的相乘

# 二维矩阵的运算
c = np.array([[1,1],
             [0,1]])

d = np.arange(4).reshape((2, 2))

print(c)
print(d)

# 逐个相乘，也就是一一对应的相乘
result6 = c * d
print(result6)

#result
[[1 1]
 [0 1]]
[[0 1]
 [2 3]]
[[0 1]
 [0 3]]

 

• 有序的矩阵乘法，线性代数型

# 矩阵的乘法是有序的
# c * d 不一定会等于 d * c
# c * d 时
result7 =   c.dot(d)  # np.dot(c, d)
print('c * d :', result7)

# d * c 时
result8 = d.dot(c)   # np.dot(d, c)
print('d * c :', result8)