Python理解Numpy库中进行数值计算的ufunc函数运算机制

理解numpy中ufunc函数的基本运算以及广播机制

概念：ufunc函数全称为通用函数，能够对数组中的所有元素进行操作的函数，也就是说，在numpy库中有对应的各种函数可以实现math库中函数对应的基本功能
一.基本运算方法：(对维数相同的数组进行举例)
四则运算：加(+)、减(-)、乘(*)、除(/)、幂(**)。
相关代码为：

#定义两个ndarray数组，实现对ufunc函数性质的简单运用
#对数组进行四则运算
import numpy as np
a = np.array([1,2,3])
b = np.array([4,5,6])
print("四则运算：+：结果为：",a+b)
print("四则运算：-：结果为：",a-b)
print("四则运算：*：结果为：",a*b)
print("四则运算：/：结果为：",a/b)
print("四则运算：**：结果为：",a**b)

运行结果为：

注意：我们可以看到，对数组进行四则运算时，维数相同的数组之间都是对应元素进行操作，一对一模式进行运算的
在进行运用numpy中的ufunc函数进行运算时，必须将numpy模块进行引入，若觉得库名较长，可取别名，否则之间使用库名，规则详见代码注释

比较运算：>、>=、<、<=、==(等于)、!=(不等于)

相关代码为：

#定义两个ndarray数组，实现对ufunc函数性质的简单运用
#对数组进行比较运算
#import 库名 as 别名
import numpy as np
a = np.array([1,2,3])
b = np.array([4,5,6])
print("比较运算：>：结果为：",a>b)
print("比较运算：<：结果为：",a<b)
print("比较运算：>=：结果为：",a>=b)
print("比较运算：<=：结果为：",a<=b)
print("比较运算：==：结果为：",a==b)
print("比较运算：!=：结果为：",a!=b)

相关结果为：

注意：我们可以看到，对数组进行比较运算时，维数相同的数组之间都是对应元素进行操作，一对一模式进行运算的，进行比较运算得到的是boolean布尔类型数组

逻辑运算：逻辑或：or(在numpy库中使用别名.any()函数表示)、逻辑与：and(在numpy库中使用别名.and()函数表示)

相关代码为：

#定义两个ndarray数组，实现对ufunc函数性质的简单运用
#对数组进行比较运算
import numpy as np
a = np.array([1,2,3])
b = np.array([4,0,6])
print("逻辑运算：or：结果为：",np.any(a))
print("逻辑运算：all：结果为：",np.all(b))

结果为：

注意：我们可以看到，对数组进行逻辑运算时，只要数组存在0元素时，结果便为Flase；若数组中均为非0元素，则结果为True，结果为Boolean值

二.广播机制：
基本要求：(轴是行与列的总称，即为横轴(行)和纵轴(列)的统称)

(1).所有输入数组都向其中的维数最长的数组看齐，维数不同的部分通过复制其数组进行维数补充,相当于利用自身进行增广
(2).输出数组的维数是输入数组的综合最大维数
(3).输入数组之间对应轴的长度相同，或者其中某个数组存在某个轴(行或列)长度为1时，才能够用来计算，对应下列四种情况，否则会报错
(4).当输入数组存在某个轴(行或列)长度为1时，沿着此轴运算时都用此轴的第一组值，与(1)相照应

看代码进行理解规则：
1.(维数同)

#定义两个ndarray数组，实现对ufunc函数性质的广播机制
import numpy as np
a = np.array([[-1,2,3],[1,2,3]])
b = np.array([[4,0,6],[2,4,6]])
print("ufunc函数的广播机制(实现不同维度数组的相关基本运算)：结果为：")
print(a+b)

结果为：

当两数组维数相同时，依然是数组对应元素相加

2.(列同行不同，有一数组必须行为1维)

#定义两个ndarray数组，实现对ufunc函数性质的广播机制
import numpy as np
a = np.array([-1,2,3])
b = np.array([[4,0,6],[2,4,6]])
print("ufunc函数的广播机制(实现不同维度数组的相关基本运算)：结果为：")
print(a+b)

相关结果为：

运算原理为：
a为1行3列矩阵，b为2行3列矩阵，进行运算时，a的自增一行，且第二行元素与第一行元素相同，在与b对应元素进行相加，(即相当于b的每一行元素都与a的第一行元素对应元素进行相加)
a = [
[-1,2,3],
[-1,2,3]]
b =[
[4,0,6],
[2,4,6]]

3.(行同列不同，有一数组必须列为1维)

#定义两个ndarray数组，实现对ufunc函数性质的广播机制
import numpy as np
a = np.array([[-1],[1],[2]])
b = np.array([[4,0,6],[2,4,6],[2,4,5]])
print("ufunc函数的广播机制(实现不同维度数组的相关基本运算)：结果为：")
print(a+b)

结果为：

a为3行1列矩阵，b为3行3列矩阵，进行运算时，a的自增两列，且第二、三列元素与第一列元素相同，在与b对应元素进行相加，(即相当于b的每一列元素都与a的第一列元素对应元素进行相加)
a = [
[-1,-1,-1],
[1,1,1],
[2,2,2]]
b = [
[4,0,6],
[2,4,6],
[2,4,5]]

3.(行列均不同，但一数组必须列为1维，另一数组必须行为一维)

#定义两个ndarray数组，实现对ufunc函数性质的广播机制
import numpy as np
a = np.array([-1,1,2])
b = np.array([[4],[2],[2]])
print("ufunc函数的广播机制(实现不同维度数组的相关基本运算)：结果为：")
print(a+b)

a为1行3列矩阵，b为3行1列矩阵，进行运算时，a的自增两列，且第二、三列元素与第一列元素相同；b自增两行，且第二、三行元素与第一行元素相同，(即相当于b的每一列元素都与a的第一行元素对应元素进行相加)
a = [
[-1,1,2],
[-1,1,2],
[-1,1,2]]
b = [
[4,4,4],
[2,2,2]
[2,2,2]]

除了这四种情况在操作时能正常运行，其他形式的数组进行基本数据操作时，均会得到数组维数不一致的报错提示，读者可一一进行尝试

这时我们知道，在numpy中的ufunc函数是泛指各类运算函数，只要涉及到了numpy创建数组进行简单运算的，就相当于默认使用了numpy中的ufunc通用函数，而ufunc函数并不存在，它只是numpy库中进行运算函数的泛称

若觉得内容稍可，请留下你们的

，欢迎评论区留言哦！