Python中numpy数组的计算与转置详解
前言
本文主要讲述numpy数组的计算与转置,讲相同尺寸数组的运算与不同尺寸数组的运算,同时介绍数组转置的三种方法。
numpy数组的操作比较枯燥,但是都很实用,在很多机器学习、深度学习算法中都会使用到,对numpy数组的一些操作。
1、numpy数组与数的运算
主要包括数组与数的加减乘除运算,废话不多说,看代码:
import numpy as np a = np.array([[1, 2, 3, 4, 5, 6], [7, 8, 9, 10, 11, 12]]) # 将数组a里面的每个数+1 b = a+1 print(b) # 将数组a里面每个数-3 c = a-3 print(c) # 将数组a里面每个数*3 d = a*3 print(d) # 将数组a里面每个数除3 e = a/3 print(e)
运行结果如下:
2、numpy相同尺寸的数组运算
numpy相同尺寸的加减乘除运算,代码如下:
import numpy as np a = np.array([[1, 2, 3, 4, 5, 6], [7, 8, 9, 10, 11, 12]]) b = np.array([[11, 22, 33, 44, 55, 66], [77, 88, 99, 10, 11, 12]]) # 数组a与数组b的加法运算 c = a+b print(c) # 数组a与数组b的减法运算 d = a-b print(d) # 数组a与数组b的乘法运算 e = a*b print(e) # 数组a与数组b的除法运算 f = a/b print(f)
运行结果如下:
3、numpy不同尺寸的数组计算
numpy不同尺寸的数组也能运算,遵守广播原则,代码如下:
import numpy as np a = np.array([[1, 2, 3, 4, 5, 6], [7, 8, 9, 10, 11, 12]]) b = np.array([1, 2, 3, 4, 5, 6]) c = np.array([[1], [2]]) print(a) print(b) print(c) # 数组a与数组b的减法 d = a-b print(d) # 数组a与数组b的乘法 e = a*b print(e) # 数组a与数组c的减法 f = a-c print(f) # 数组a与数组c的乘法 g = a*c print(g)
运行结果如下图:
大家应该可以看出二者的区别,所有数组的运算遵守广播原则。
4、numpy数组的转置
主要讲三种转置方法,具体代码如下:
import numpy as np a = np.array([[1, 2, 3, 4, 5, 6], [7, 8, 9, 10, 11, 12], [13, 14, 15, 16, 17, 18]]) # 数组转置的三种方法 b = np.transpose(a) c = a.T d = a.swapaxes(1, 0) print(a) print(b) print(c) print(d)
运行结果如下图:
总结:
这次讲的东西比较简单,也很枯燥,甚至我都没有什么需要说明的。但是确实numpy数组重要也不可缺少的一部分。大家可以试一下代码,看一下效果,了解数组的运算。可以去搜索一下数组的广播原则了解一下!
到此这篇关于Python中numpy数组的计算与转置详解的文章就介绍到这了,更多相关Python numpy数组计算与转置内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!
相关文章
最新解决没有NVSMI文件夹以及nvidia-smi‘ 不是内部或外部命令也不是可运行的程序或批处理文件
这篇文章主要介绍了解决没有NVSMI文件夹以及nvidia-smi‘ 不是内部或外部命令也不是可运行的程序或批处理文件,本文通过两种问题分析给大家分享解决方法,需要的朋友可以参考下2023-01-01
最新评论