NumPy--02 基本运算

本文介绍了NumPy的基本运算,包括加减乘除、幂次方及三角函数,关系运算产生布尔矩阵,乘法运算的区别,以及如何使用np.max(), np.min(), np.sum()等函数进行统计计算。通过实例展示了各种运算的应用。" 104285301,8061964,房价预测实战:全连接神经网络回归,"['深度学习', '神经网络', '数据预处理', '模型训练', 'Python']

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

首先创建两个数组

a=np.array([10,9,8,7])
b=np.arange(4)

1.基本运算包括加减乘除 幂次方 ,对每个元素取sin cos tan 等

a+b

a-b

a**3

10*np.sin(b)

输出

[10 10 10 10]
[10  8  6  4]
[1000  729  512  343]
[0.         8.41470985 9.09297427 1.41120008]

 

2.关系运算,返还布尔类型的矩阵

c=np.arange(10).reshape((5,2))
print(c)
print(c>5)

输出

[[0 1]
 [2 3]
 [4 5]
 [6 7]
 [8 9]]
[[False False]
 [False False]
 [False False]
 [ True  True]
 [ True  True]]

3.乘法运算,乘法运算分为两种,*表示逐个相乘,np.dot(a,b)或a.dot(b)表示矩阵乘法

d=np.array([[1,2],
            [4,3]])

e=np.arange(7,11).reshape((2,2))
print(d)
print(e)
print('-'*30)
print(d*e)
print(np.dot(d,e))
print(d.dot(e))

输出

[[1 2]
 [4 3]]
[[ 7  8]
 [ 9 10]]<

### 关于 NumPyNumPy-base 的区别 在 Python 科学计算领域,`NumPy` 是一个核心库,主要用于高效处理大型多维数组和矩阵数据。然而,在某些特定场景下可能会提到 `numpy-base` 这一术语或模块名。以下是两者的主要差异及其用途: #### 1. **NumPy** `NumPy` 是完整的科学计算包,提供丰富的功能支持,不仅限于基础的数组操作。它包含了以下特性: - 提供高性能的 n 维数组对象 (`ndarray`) 及其相关方法[^1]。 - 支持广播机制 (broadcasting),使得不同形状的数组能够相互运算- 数组索引、切片以及矢量化操作的支持。 - 高效实现线性代数、傅里叶变换等功能。 示例代码如下展示如何创建并打印 NumPy 数组: ```python import numpy as np arr = np.array([1, 2, 3, 4, 5]) print(arr) # 输出: [1 2 3 4 5] print(type(arr)) # 输出: <class 'numpy.ndarray'> ``` 此外,通过属性如 `.dtype`,可以获取数组中元素的数据类型描述符[^2]: ```python arr_dtype = arr.dtype print(arr_dtype) # 输出可能为 int64 或其他具体数值类型 ``` #### 2. **NumPy-base** `numpy-base` 并不是官方文档中明确定义的一个独立概念或者子模块,但在实际开发环境中有时会指代 NumPy 中的核心部分——即仅包含最基本的功能集合而不加载额外组件的部分。这种划分通常是为了优化性能考虑而存在的一种内部设计模式;例如减少内存占用量或是加速启动时间等目的所采用的技术手段之一。 简单来说,“base”版本只保留最必要的功能来构建更高层次的应用程序接口(APIs), 而完整版则集成了更多高级别的工具和服务给开发者使用. 需要注意的是,"numpy-base"这个说法并不常见于公开资料当中, 它更可能是针对特殊需定制化安装过程中产生的变体名称或者是源码编译选项下的产物. --- ### 总结对比表 | 特性/类别 | Numpy | Numpy-base | |------------------|--------------------------------|-------------------------------| | 功能范围 | 包含全部特性和扩展 | 基础功能 | | 使用场景 | 数据分析、机器学习等领域广泛适用 | 对资源敏感环境下的轻量级应用 | | 开发者可见度 | 明确且常用 | 较少提及 | 尽管如此,对于绝大多数使用者而言直接依赖标准发行版即可满足日常所需无需特别关注所谓的基础版本形式除非有非常特殊的约束条件限制才行. ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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