Python笔记：在NumPy中，对ndarray进行算数运算和广播

对秩为1的两个ndarray进行加减乘除

import numpy as np

# 创建2个秩为1的ndarray
x = np.array([1,2,3,4])
y = np.array([5.1,6.1,7.1,8.1])

# 打印x
print('x = ', x)

# 打印y
print('y = ', y)

# 通过两种不同的方式，对x和y进行加减乘除
print('x + y = ', x + y)
print('add(x,y) = ', np.add(x,y))
print()
print('x - y = ', x - y)
print('subtract(x,y) = ', np.subtract(x,y))
print()
print('x * y = ', x * y)
print('multiply(x,y) = ', np.multiply(x,y))
print()
print('x / y = ', x / y)
print('divide(x,y) = ', np.divide(x,y))

输出：

x =  [1 2 3 4]
y =  [5.1 6.1 7.1 8.1]
x + y =  [ 6.1  8.1 10.1 12.1]
add(x,y) =  [ 6.1  8.1 10.1 12.1]

x - y =  [-4.1 -4.1 -4.1 -4.1]
subtract(x,y) =  [-4.1 -4.1 -4.1 -4.1]

x * y =  [ 5.1 12.2 21.3 32.4]
multiply(x,y) =  [ 5.1 12.2 21.3 32.4]

x / y =  [0.19607843 0.32786885 0.42253521 0.49382716]
divide(x,y) =  [0.19607843 0.32786885 0.42253521 0.49382716]

对秩为1的两个ndarray进行加减乘除

前提条件： ndarray 的形状必须一样或者可广播

import numpy as np

# 创建2个秩为2的相同形状的ndarray
X = np.array([1,2,3,4]).reshape(2,2)
Y = np.array([5.5,6.5,7.5,8.5]).reshape(2,2)

# 打印 X
print('X = \n', X)

# 打印 Y
print('Y = \n', Y)

print()

# 进行加减乘除并输出
print('X + Y = \n', X + Y)
print('add(X,Y) = \n', np.add(X,Y))
print()
print('X - Y = \n', X - Y)
print('subtract(X,Y) = \n', np.subtract(X,Y))
print()
print('X * Y = \n', X * Y)
print('multiply(X,Y) = \n', np.multiply(X,Y))
print()
print('X / Y = \n', X / Y)
print('divide(X,Y) = \n', np.divide(X,Y))

输出：

X = 
 [[1 2]
 [3 4]]
Y = 
 [[5.5 6.5]
 [7.5 8.5]]

X + Y = 
 [[ 6.5  8.5]
 [10.5 12.5]]
add(X,Y) = 
 [[ 6.5  8.5]
 [10.5 12.5]]

X - Y = 
 [[-4.5 -4.5]
 [-4.5 -4.5]]
subtract(X,Y) = 
 [[-4.5 -4.5]
 [-4.5 -4.5]]

X * Y = 
 [[ 5.5 13. ]
 [22.5 34. ]]
multiply(X,Y) = 
 [[ 5.5 13. ]
 [22.5 34. ]]

X / Y = 
 [[0.18181818 0.30769231]
 [0.4        0.47058824]]
divide(X,Y) = 
 [[0.18181818 0.30769231]
 [0.4        0.47058824]]

使用数学函数操作ndarray示例：

import numpy as np

# 创建秩为1的ndarray
x = np.array([1,2,3,4])

# 打印x
print('x = ', x)
print()

# 以e为底的指数
print('EXP(x) =', np.exp(x))
print()
# 计算平方根
print('SQRT(x) =',np.sqrt(x))
print()
# 计算 平方
print('POW(x,2) =',np.power(x,2))

使用统计学函数操作ndarray示例：

import numpy as np

# 创建一个秩为2的ndarray
X = np.array([[1,2], [3,4]])

# 打印X
print()
print('X = \n', X)
print()

# 使用mean计算X中所有元素中的平均数
print('计算在X中所有元素的平均数:', X.mean())

# 使用mean，外加axis参数计算X中列或行的平均数
print('X的所有列中所有元素的平均值:', X.mean(axis=0))
print('X中所有行中所有元素的平均值:', X.mean(axis=1))
print()
# 使用mean，外加axis参数计算X中列或行的总数
print('计算X中所有元素的总和', X.sum())
print('计算X中所有列中元素的总和:', X.sum(axis=0))
print('计算X中所有行中元素的总和:', X.sum(axis=1))
print()
# 标准差
print('计算X中所有元素的标准差:', X.std())
print('计算X中所有列中元素的标准差:', X.std(axis=0))
print('计算X中所有行中元素的标准差:', X.std(axis=1))
print()
print('计算X中所有元素的中位数:', np.median(X))
print('计算X中所有列上元素的中位数:', np.median(X,axis=0))
print('计算X中所有行上元素的中位数:', np.median(X,axis=1))
print()
print('计算X中所有元素的最大值:', X.max())
print('计算X中所有列上元素的最大值:', X.max(axis=0))
print('计算X中所有行上元素的最大值:', X.max(axis=1))
print()
print('计算X中所有元素的最小值:', X.min())
print('计算X中所有列上元素的最小值', X.min(axis=0))
print('计算X中所有行上元素的最小值:', X.min(axis=1))

输出：

X = 
 [[1 2]
 [3 4]]

计算在X中所有元素的平均数: 2.5
X的所有列中所有元素的平均值: [2. 3.]
X中所有行中所有元素的平均值: [1.5 3.5]

计算X中所有元素的总和 10
计算X中所有列中元素的总和: [4 6]
计算X中所有行中元素的总和: [3 7]

计算X中所有元素的标准差: 1.118033988749895
计算X中所有列中元素的标准差: [1. 1.]
计算X中所有行中元素的标准差: [0.5 0.5]

计算X中所有元素的中位数: 2.5
计算X中所有列上元素的中位数: [2. 3.]
计算X中所有行上元素的中位数: [1.5 3.5]

计算X中所有元素的最大值: 4
计算X中所有列上元素的最大值: [3 4]
计算X中所有行上元素的最大值: [2 4]

计算X中所有元素的最小值: 1
计算X中所有列上元素的最小值 [1 2]
计算X中所有行上元素的最小值: [1 3]

NumPy 使 ndarray 中的所有元素与单个数字相加，而不使用复杂的循环

import numpy as np

# 创建一个秩为2的ndarray
X = np.array([[1,2], [3,4]])

# 打印X
print('X = \n', X)
print()

# 整体ndarray 与 单个数进行加减运算
print('3 * X = \n', 3 * X)
print()
print('3 + X = \n', 3 + X)
print()
print('X - 3 = \n', X - 3)
print()
print('X / 3 = \n', X / 3)

输出：

X = 
 [[1 2]
 [3 4]]

3 * X = 
 [[ 3  6]
 [ 9 12]]

3 + X = 
 [[4 5]
 [6 7]]

X - 3 = 
 [[-2 -1]
 [ 0  1]]

X / 3 = 
 [[0.33333333 0.66666667]
 [1.         1.33333333]]

在上述运算中，NumPy 在后台对 ndarray 广播 3，使它们具有相同的形状。这样我们仅使用一行代码，就可以使 X 的每个元素加 3。

Numpy 可以对两个形状不同的 ndarray 执行相同的操作

import numpy as np

# 创建一个秩为1的ndarray
x = np.array([1,2,3])

# 创建一个秩为2的ndarray
Y = np.array([[1,2,3],[4,5,6],[7,8,9]])

# 创建一个秩为1的ndarray,并转换成秩为2的ndarray
Z = np.array([1,2,3]).reshape(3,1)

# 输出X
print('x = ', x)
print()

# 输出Y
print()
print('Y = \n', Y)
print()

# 输出Z
print()
print('Z = \n', Z)
print()

print('x + Y = \n', x + Y)
print()
print('Z + Y = \n',Z + Y)

输出：

x =  [1 2 3]


Y = 
 [[1 2 3]
 [4 5 6]
 [7 8 9]]


Z = 
 [[1]
 [2]
 [3]]

x + Y = 
 [[ 2  4  6]
 [ 5  7  9]
 [ 8 10 12]]

Z + Y = 
 [[ 2  3  4]
 [ 6  7  8]
 [10 11 12]]

关于广播的API:

• https://docs.scipy.org/doc/numpy-1.13.0/user/basics.broadcasting.html