ndarray数组的运算

最新推荐文章于 2025-05-06 02:51:41 发布
翻译 最新推荐文章于 2025-05-06 02:51:41 发布 · 636 阅读 · 0

  • 数组的标量运算



在数组的标量运算中，数组中的每一个元素都与标量做运算。

  • Nmupy一元函数：对ndarray中数据执行元素级元算的函数


其中，np.log(x)是以自然对数e为底，求x的log值。ceiling值是指超过该元素的最小整数值，floor值是指不超过该元素的最大整数值。
import numpy as np
print(np.ceil(10.9)) % 11 
print(np.floor(10.9)) %10

一元函数的一些应用实例：

这些一元函数也不会对原数组做改变，只是生成心的数组而已，如果要改变原数组，需要把生成的新数组再赋值给原数组。
  • Numpy二元函数

实例运算




NumPy数据分析基础：ndarray数组运算基本操作及切片索引迭代
master_hunter的博客
10-02 1467
作为数据分析三巨头Pandas、matplotlib、NumPy之一，必然要给足面子单独拿出来讲解一波。NumPy应用场景十分宽泛，Pandas很多函数转换后也都是NumPy数组类型的数据结构。在机器学习、深度学习以及一些数据处理操作中使用的频率甚至比Pandas都高。而且NumPy功能强大，使用起来也十分便捷，支持多种复杂操作。平时我的Pandas以及一些机器学习的文章都有用到NumPy，但是博客内容并没有详细解答NumPy的操作也没有记录有关NumPy操作的一些具体函数解答。
Numpy系统学习（三）创建Ndarray数组对象
专注于人工智能的算法与应用
02-10 2620
学习创建Numpy数组的各种各样的函数方法
ndarray运算
weixin_45879334的博客
04-14 302
arr = np.array([[1, 2, 3], [4, 5, 6]]); 1.相加 print(arr+arr)，得到： 2.相减 print(arr-arr)，得到： 3.相乘 print(arr*arr)，得到： 4.除以一个数 print(1/arr)，得到： 5.乘方 print(arr**2)，arr的二次方得到： 6.布尔值数组 arr1 = [[1, 3, 4], [...
ndarray：运算
Wei_sx的博客
12-10 1231
NumPy 的 `ndarray` 运算使得数学计算、数据分析和科学计算变得高效而简便。通过高效的数组操作，用户可以轻松处理多维数组和复杂的数学运算。
Numpy中ndarray运算
但行好事，莫问前程
06-10 1607
一、逻辑运算 二、通用判断函数 三、np.where（三元运算符） 四、统计运算
深入解析 Numpy：ndarray 数组全攻略，从创建到应用的高效实践
11-27
详细阐述了为何使用 ndarray 数组，其在加法乘法代码简便性、运算速度及空间节省方面的优势，并在图像处理、神经网络等多领域广泛应用。深入剖析 ndarray 数组的特点，如数据类型一致性、索引起始等。同时，对 np....
numpy中实现ndarray数组返回符合特定条件的索引方法
09-20
本篇文章将详细探讨如何在NumPy中实现ndarray数组返回符合特定条件的索引。 首先，最常用的一个函数是`numpy.where()`。`where()`函数允许我们根据条件返回数组中满足条件的元素的索引。例如，如果我们有一个数组`...
Python3 NumPy库之ndarray数组
Robin Hu的专栏
05-06 952
在Python内置环境 中，直接存储数值的数组(array)对象只存在一维结构，无法支持多维结构，也没有相关数组运算函数，这些使得Python在数值运算上有诸多不便之处。为了弥补这些不足，第三 方函数库NumPy被整合开发出来。 NumPy的核心功能是高维数组，NumPy 库中的ndarray (N-dimensional array object) 对象支持多维数组，数组类型的对象本身具备大小固定、数组内元素的数据类型相同等特性。NumPy也提供了大量数值运算函数，能够直接有效地进行向量、矩阵运算。
ndarray运算记录
snailpeople的博客
01-15 292
关于ndarray对象的很多计算方法都有一个axis参数，它有如下作用： 当axis=None（默认）时，数组被当成一个一维数组，对数组的计算操作是对整个数组进行的，比如sum方法，就是求数组中所有元素的和； 当axis被指定为一个int整数时，对数组的计算操作是以提供的axis轴进行的。 比如data.sum()就是所有元素的和，sum（axis=0）就是列加，axis=1就是行加 计算...
NumPy学习笔记——（4）ndarray运算
Ma Sizhou
01-19 598
上一小节: NumPy学习笔记——（3）N维数组-ndarray基本操作. 目录一、ndarray运算1、逻辑运算2、通用判断函数3、np.where（三元运算符）`np.where(条件, value1, value2)`4、统计运算4.1 统计指标（1）`min(a, axis)`（2）`max(a, axis])`（3）`median(a, axis)`（4）`mean(a, axis, dtype)`（5）`std(a, axis, dtype)`（6）`var(a, axis, dtype).
ndarray的基本运算（python）
最新发布
weixin_39475026的博客
05-06 1377
用更新运算符进行更新可以不改变数组对象。
Numpy---ndarray运算（逻辑运算、统计运算）
weixin_43961909的博客
06-08 1011
【代码】Numpy---ndarray运算（逻辑运算、统计运算）
numpy教程03---ndarray的运算
qq_38727995的博客
03-30 3084
ndarray的运算，包括算术运算、广播、条件运算和数学、统计函数的使用。
ndarray的基本运算--附源码
goodness_for_me的博客
04-28 383
import numpy as np 逻辑运算 score = np.random.randint(40, 100, (10, 5)) # 40`100生成10*5数组 score array([[65, 92, 42, 52, 91], [41, 92, 82, 55, 95], [77, 66, 88, 94, 43], [75, 92, 53, 89, 86], [94, 59, 50, 60, 73], [57, 57, 6
ndarray数组基本结构和操作
东南坼的博客
07-24 2350
写在前面 一、创建ndarray（四种） 二、属性操作（六个） 三、基本运算（七个） 四、索引和切片 1. 一维数组 2. 多维数组 3. 查找索引 五、统计方法（七类） 六、随机数np.random 1. 创建随机ndarray数组 2. 随机打乱ndarray数组 3. 随机选取元素（一维） 七、线性代数 八、文件读写与保存 1. 文本读取 2. 文件保存 九、Numpy应用举例 1. 计算激活函数Sigmoid和ReLU 2. 图像翻转和裁剪 ...
NumPy之:ndarray多维数组操作
程序那些事
05-19 4196
NumPy一个非常重要的作用就是可以进行多维数组的操作，多维数组对象也叫做ndarray。我们可以在ndarray的基础上进行一系列复杂的数学运算。 本文将会介绍一些基本常见的ndarray操作，大家可以在数据分析中使用。
Numpy中Ndarray数组的运算
白水弓手
12-03 7655
这部分主要介绍数组的基本运算，主要涉及到与标量的计算以及自带的一些函数.
Python：两个ndarray数据进行矩阵乘法
DeniuHe的博客
07-02 2598
import numpy as np a = np.array([[1,2,3],[1,2,3],[1,2,3]]) # print(a) # print(a ** 2) c = np.array([1,2,3]) b = np.array([1,2,3]) # print(np.hstack(c) * np.vstack(b)) print(c.reshape(3,1) * b.reshape(1,3)) print(c * b) print(c.shape) print(b.shape) [[1.
ndarray数组操作
01-08
### 关于 NumPy `ndarray` 数组的操作 #### 创建 `ndarray` 可以利用多种方式创建 `ndarray`，最常见的做法是从 Python 列表或元组转换而来： ```python import numpy as np list_data = [1, 2, 3] tuple_data = (4., 5., 6.) arr_from_list = np.array(list_data) arr_from_tuple = np.array(tuple_data, dtype=np.float32) ``` 除了上述方法外，还可以通过指定形状来初始化特定类型的数组[^1]。 #### 查看属性 为了更好地理解所创建的数组，可以通过访问其属性获取更多信息： - 形状（shape） - 数据类型（dtype） ```python print(f"Array shape: {arr_from_list.shape}") print(f"Data type of array elements: {arr_from_tuple.dtype}") ``` #### 修改数组大小 有时需要调整现有数组的尺寸而不改变其中的数据。这可通过重塑(reshape)实现: ```python reshaped_array = arr_from_list.reshape((3, 1)) ``` #### 进行算术运算 支持向量化操作，这意味着可以直接对整个数组执行加减乘除等基本数学计算而无需循环遍历每一个元素： ```python addition_result = arr_from_list + arr_from_tuple multiplication_result = reshaped_array * 2 ``` #### 索引与切片 类似于标准 Python 序列类型，也允许使用索引来检索单个元素或子集；同时也提供更强大的高级索引功能用于复杂的选择模式： ```python single_element = addition_result[0] subset_of_elements = multiplication_result[:2] boolean_indexing_example = multiplication_result[multiplication_result > 4] ``` #### 统计分析 内置了许多统计函数可用于快速汇总数据特征，如求平均数(mean), 中位数(median)，最大最小值(max/min): ```python average_value = np.mean(addition_result) median_value = np.median(subset_of_elements) maximum_value = np.max(boolean_indexing_example) minimum_value = np.min(arr_from_tuple) ``` 这些只是冰山一角，在实际应用中还有更多实用的功能等待探索[^2]。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值