python里numpy实现加减乘除与普通加减乘除有什么不同_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