numpy笔记案例之数组运算

数组运算

知识储备

• 数组与数的运算
  运算符可以作用到每个元素

>>> scores=[[1,2,3,4,5],[6,7,8,9,10]]
>>> scores
[[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]]
>>> test=np.array(scores)
>>> test
array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10]])
>>> test+1#每个元素＋1
array([[ 2,  3,  4,  5,  6],
       [ 7,  8,  9, 10, 11]])
>>> test-1
array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])
>>> test*2#每个元素*2
array([[ 2,  4,  6,  8, 10],
       [12, 14, 16, 18, 20]])

• 数组与数组的运算
  不同形状的数组直接运算会报错，如下：

>>> test
array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10]])
>>> test1=np.array([[1,2,3],[4,5,6]])
>>> test1
array([[1, 2, 3],
       [4, 5, 6]])
>>> test+test1
Traceback (most recent call last):
  File "<pyshell#32>", line 1, in <module>
    test+test1
ValueError: operands could not be broadcast together with shapes (2,5) (2,3) 

广播机制
数组之间直接运算时，numpy会比较他们的形状。
Numpy 可以转换这些形状不同的数组，使它们都具有相同的大小，然后再对它们进行运算。
只有符合下面两个条件之一才可以运算

• 形状相等（元素数量相等）
• 维数相同，且某一个或多个维度长度为1（其中相对应的一个地方为1）
  
• 数组拥有极少的维度，可以在其前面追加长度为 1 的维度，使上述条件成立（在左边补1）
  例如
  
  第二个可以理解为1 x 1 x 3

总的来说，可以理解为
如果数字相同或者其中一方为1（空的可以用1代替）
如

>>> test
array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10]])
>>> test1
array([[2],
       [2]])
>>> np.shape(test)
(2, 5)
>>> np.shape(test1)
(2, 1)
>>> test+test1#第一位2相等，第二位其中一方为1
array([[ 3,  4,  5,  6,  7],
       [ 8,  9, 10, 11, 12]])
>>>