当前位置: 首页 > news >正文

numpy——数学运算

一、标量——矢量

import numpy as npa = 3.14
b = np.array([[9, 5], [2, 7]])print(a)
print(b)# ---------- 四则运算 ----------
print(a + b)  # np.add
print(a - b)  # np.subtract
print(a * b)  # np.multiply
print(a / b)  # np.divide

474db7397569448cae0cb0a836662c76.png

二、矢量——矢量

import numpy as npa = np.array([[3, 1], [4, 1]])
b = np.array([[9, 5], [2, 7]])print(a)
print(b)# ---------- 四则运算 ----------
print(a + b)
print(a - b)
print(a * b)  # 注意: 这不是矩阵的乘法
print(a / b)

d36e68fa1d744fbfb62af299ee0d76f3.png

三、广播

import numpy as npa = np.array([3, 1])
b = np.array([[9, 5], [2, 7]])# print(a)
# print(a.shape)
# print(b)
# print(b.shape)# ---------- 广播 ----------
# 当矩阵维度不同时, 可以进行广播操作
print(a + b)
print(a - b)
print(a * b)
print(a / b)

b9e260988c294f7bb01fbfef87f071f4.png

四、矢量相乘

import numpy as npa = np.array([[9, 5], [2, 7]])
b = np.array([[3, 1, 4], [1, 5, 9]])print(a)
print(b)# ---------- 矩阵相乘(前列=后行) ----------
print(np.dot(a, b))

13bad08825c64af7bcfb11689150b883.png

五、常见计算

import numpy as npt = np.random.uniform(0, 10, size=(3, 4))
print(t)print(np.ceil(t))  # 向上取整
print(np.floor(t))  # 向下取整
print(np.rint(t))  # 四拾伍入
print(np.isnan(t))  # 判空为 NAN(Not A Number)
print(np.where(t > 5, 1, 0))  # 三元运算: 1 if t > 5 else 0   #数据预处理

52d3c99c70ed4859a29566c328e0fc64.png

六、统计函数

import numpy as np# 姓名  数学  语文  总分
# 小明   63   92   155
# 小红   89   76   165
# 总分   152  168t = np.array([[63, 92],[89, 76],
])# # ---------- 求和 ----------
# print(np.sum(t, axis=1))  # 按行求和
# print(np.sum(t, axis=0))  # 按列求和# ---------- 平均值 ----------
print(np.mean(t, axis=1))  # 按行求平均值
print(np.average(t, axis=1))  # 按行求平均值
#
print(np.mean(t, axis=0))  # 按列求平均值
print(np.average(t, axis=0))  # 按列求平均值
#
# ---------- 最大与最小 ----------
print(np.max(t, axis=1))  # 按行求最大值
print(np.max(t, axis=0))  # 按列求最大值print(np.min(t, axis=1))  # 按行求最小值
print(np.min(t, axis=0))  # 按列求最小值
#
# ---------- 标准差与方差 ----------
print(np.std(t, axis=1))  # 按行求标准差
print(np.var(t, axis=1))  # 按行求方差
#
# # ---------- 最值的索引 ----------
print(np.argmax(t, axis=1))  # 按行求最大值的索引
print(np.argmin(t, axis=1))  # 按行求最小值的索引
#
# ---------- 累计操作 ----------
print(np.cumsum(t, axis=1))  # 累加和: 当前元素与前一个元素的和
print(np.cumprod(t, axis=1))  # 累乘积: 当前元素与前一个元素的积

f82d1b489f5a4647a9742641f045e14f.png

七、判断函数

import numpy as npt = np.array([[9,5], [2, 7]])print(t.any())  # 至少有一个元素满足指定条件, 返回True   cyc:没空的
print(t.all())  # 所有的元素满足指定条件, 返回Truet = np.array([[3, 1], [4, 1]])
print(np.unique(t))  # 去重, 并升序返回

d6832bbec5884c9aa084d4ba9dea75c6.png

 

http://www.lryc.cn/news/471903.html

相关文章:

  • 【工具】Charles对360浏览器抓包抓包
  • 【HarmonyOS】判断应用是否已安装
  • Qt Designer客户端安装和插件集(pyqt5和pyside2)
  • 基于边缘计算的智能门禁系统架构设计分析
  • 鸿蒙实现相机拍照及相册选择照片
  • 「C/C++」C++17 之 std::filesystem::recursive_directory_iterator 目录及子目录迭代器
  • 智能EDA小白从0开始 —— DAY30 冉谱微RFIC-GPT
  • Android -- 调用系统相册之图片裁剪保存
  • 读《道德经》让人感到心胸气闷?董仲舒篡改
  • D52【python 接口自动化学习】- python基础之模块与标准库
  • 基于yolov8的布匹缺陷检测系统,支持图像、视频和摄像实时检测【pytorch框架、python源码】
  • SQL Server 中,将单行数据转换为多行数据
  • 解决数组两数之和问题与逻辑推理找出谋杀案凶手
  • uniapp的IOS证书申请(测试和正式环境)及UDID配置流程
  • windows 安装apex_Nvidia Apex安装
  • Laravel5 抓取第三方网站图片,存储到本地
  • DevOps和CI/CD以及在微服务架构中的作用
  • Rust 力扣 - 5. 最长回文子串
  • DDOS防护介绍
  • 深入了解 kotlinx-datetime:配置与使用指南
  • Qt编程技巧小知识点(6)根据 *IDN? 对程控仪器连接状态进行确认
  • 【Android】Kotlin教程(4)
  • 机票电子行程单如何批量查验?Java机票电子行程单查验接口示例-发票查验接口
  • 记录element-ui改造select显示为table,并支持多查询条件
  • Spearman、Pearson、Euclidean、Cosine、Jaccard,用来衡量不同数据之间的相似性或差异性
  • Suno 歌曲生成 API 对接说明
  • 详细且系统的Spring Boot应用开发
  • 线程支持库(C++11)
  • 【计网】深入理解NAT机制,内网穿透与内网打洞,代理服务
  • C# 创建型设计模式----工厂模式