数据挖掘技术-掌握ufunc函数

掌握ufunc函数

ufunc函数是针对数组进行操作的函数，常用的ufunc函数运算有四则运算、比较运算和逻辑运算等。

数组的四则运算，如代码 45所示。

代码 45 数组的四则运算

In[16]:	x = np.array([1,2,3]) y = np.array([4,5,6]) print('数组相加结果为：',x + y)  #数组相加
Out[16]:	数组相加结果为： [5 7 9]
In[17]:	print('数组相减结果为：',x - y)  #数组相减
Out[17]:	数组相减结果为： [-3 -3 -3]
In[18]:	print('数组相乘结果为：',x * y)  #数组相乘
Out[18]:	数组相乘结果为： [ 4 10 18]
In[19]:	print('数组相除结果为：',x / y)  #数组相除
Out[19]:	数组相除结果为： [ 0.25  0.4   0.5 ]
In[20]:	print('数组幂运算结果为：',x ** y)  #数组幂运算
Out[20]:	数组幂运算结果为： [  1  32 729]

比较运算返回的结果是一个布尔数组，每个元素为每个数组对应元素的比较结果，如代码 46所示。

代码 46 数组的比较运算

In[21]:	x = np.array([1,3,5]) y = np.array([2,3,4]) print('数组比较结果为：',x < y)
Out[21]:	数组比较结果为： [ True False False]
In[22]:	print('数组比较结果为：',x > y)
Out[22]:	数组比较结果为： [False False  True]
In[23]:	print('数组比较结果为：',x == y)
Out[24]:	数组比较结果为： [False  True False]
In[24]:	print('数组比较结果为：',x >= y)
Out[24]:	数组比较结果为： [False  True  True]
In[25]:	print('数组比较结果为：',x <= y)
Out[25]:	数组比较结果为： [ True  True False]
In[26]:	print('数组比较结果为：',x != y)
Out[26]:	数组比较结果为： [ True False  True]

在NumPy逻辑运算中，np.any函数表示逻辑“or”，np.all函数表示逻辑“and”，如代码 47所示。

代码 47 数组的逻辑运算

In[27]:	print('数组逻辑运算结果为：',np.all(x == y))  # np.all()表示逻辑and
Out[27]:	数组逻辑运算结果为： False
In[28]:	print('数组逻辑运算结果为：',np.any(x == y))  # np.any()表示逻辑or
Out[28]:	数组逻辑运算结果为： True

1. 1. 1. ufunc函数的广播机制

以一维数组和二维数组举例说明广播的运算机制。

一维数组的广播机制，如代码 48所示。

代码 48 一维数组的广播机制

In[29]:	arr1 = np.array([[0,0,0],[1,1,1],[2,2,2],[3,3,3]]) print('创建的数组1为：',arr1)
Out[29]:	创建的数组1为： [[0 0 0]  [1 1 1]  [2 2 2]  [3 3 3]]
In[30]:	print('数组1的shape为：',arr1.shape)
Out[30]:	数组1的shape为： (4, 3)
In[31]:	arr2 = np.array([1,2,3]) print('创建的数组2为：',arr2)
Out[31]:	创建的数组2为： [1 2 3]
In[32]:	print('数组2的shape为：',arr2.shape)
Out[32]:	数组2的shape为： (3,)
In[33]:	print('数组相加结果为：',arr1 + arr2)
Out[33]:	数组相加结果为： [[1 2 3]  [2 3 4]  [3 4 5]  [4 5 6]]

二维数组的广播机制，如代码 49所示。

代码 49 二维数组的广播机制

In[34]:	arr1 = np.array([[0,0,0],[1,1,1],[2,2,2],[3,3,3]]) print('创建的数组1为：',arr1)
Out[34]:	创建的数组1为： [[0 0 0]  [1 1 1]  [2 2 2]  [3 3 3]]
In[35]:	print('数组1的shape为：',arr1.shape)
Out[35]:	数组1的shape为： (4, 3)
In[36]:	arr2 = np.array([1,2,3,4]).reshape((4,1)) print('创建的数组2为：',arr2)
Out[36]:	创建的数组2为： [[1]  [2]  [3]  [4]]
In[37]:	print('数组2的shape为：',arr2.shape)
Out[37]:	数组2的shape为： (4, 1)
In[38]:	print('数组相加结果为：',arr1 + arr2)
Out[38]:	数组相加结果为： [[1 1 1]  [3 3 3]  [5 5 5]  [7 7 7]]