numpy——数组的基本运算

最新推荐文章于 2025-09-10 22:57:24 发布

原创最新推荐文章于 2025-09-10 22:57:24 发布 · 813 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#python #算法

python基础专栏收录该内容

10 篇文章

订阅专栏

本文详细讲解了一维数组、二维数组间的加减乘除操作，涉及元素对应位置处理、形状匹配规则，以及一维对一维、一维对二维的混合运算实例。理解这些概念有助于提升数组处理能力。

1.数与数组加减乘除，数组中每一个数都与这个数进行加减乘除
在这里插入图片描述
一维数组与一维数组，元素对应的位置进行加减乘除
数组的形状须相同

一维数组与二维数组，每一行对应的位置进行加减乘除

二维数组与二维数组，每一行对应的位置进行加减乘除
两个数组的形状须相同
在这里插入图片描述

关注博主即可阅读全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

javaLUO189

关注关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

第2关：Numpy 数组的基本运算

m0_55900042的博客

01-17

1172

的输出，然后将其与预期输出作对比，如果一致，则测试通过；的代码，以实现向量与标量相加和相乘的的功能。函数接受三个参数，然后进行向量与标量之间的运算；库可以直接进行一些四则运算，快速的处理两个。文件，并以标准输入方式提供测试输入；矩阵可逆的充要条件是矩阵满秩。二维数组的一些基本操作。本关的测试样例参见下文；

numpy学习——数组的基本运算操作

m0_50470999的博客

09-07

874

数组的基本运算操作 numpy支持数组之间的±*/运算，也支持数与数组之间的运算。运算时不会创建一个新的数组，而是在原有数组基础上进行修改。举一个经常报错的例子： a = np.ones((3,3), dtype=int) b = np.ones((3,3), dtype='float64') a += b --------------------------------------------------------------------------- UFuncTypeError

参与评论您还未登录，请先登录后发表或查看评论

Numpy数组的基本运算

bqw的博客

07-22

9084

import numpy as np 一、四则运算对应元素进行四则运算 a = np.arange(3,8) b = np.arange(1,6) print("a=",a) print("b=",b) print("a+b=",a+b) print("a-b=",a-b) print("a/b=",a/b) print("a*b=",a*b) a= [3 4 5 6 7

Python深度学习：NumPy数组库

最新发布

m0_70660627的博客

09-10

688

Python 列表缺点：可以存储不同数据类型，需要额外空间存储类型信息，导致内存冗余NumPy 数组优势：要求所有元素类型一致，节省内存空间，提高计算效率创作不易，大家的支持就是我坚持下去的动力！

numpy之数组运算

l13kddd的博客

07-07

1793

数组之逻辑运算可以直接对数组进行逻辑判断，会返回相应的bool类型数组 t1 = np.random.randint(40, 100, (10, 5)) print(t1) print(t1 > 60) t1[t1 > 60] = 1 print(t1) 通用判断函数 np.all() #判断数组中的元素是否全大于60 print(np.all(t1 > 60)) np.any() #判断数组中的元素是否有大于60的 print(np.any(t1 > 60

第2关：Numpy数组的基本运算

SorrymakerS的博客

04-25

3908

任务描述本关的小目标是，学会Numpy二维数组的一些基本操作。相关知识 Numpy库可以直接进行一些四则运算，快速的处理两个Numpy数组： a = np.array([[1,2,3],[4,5,6]]) b = np.array([[4,5,6],[1,2,3]]) 向量与向量之间 1.加法 In:np.add(a,b) 或 a+b Out:array([[5, 7, 9], [5, 7, 9]]) 2.减法 In:np.subtract(a,b) 或 a-b Out:array([[-3, -3,

2025——》NumPy中数组运算/在Python中如何使用NumPy进行数组运算？NumPy数组运算：高效数据处理指南

weixin_68013600的博客

05-29

544

本文介绍了NumPy库中的数组运算功能。NumPy通过向量化操作实现高效的数组计算，主要包括：1）算术与矩阵运算；2）逻辑与比较运算；3）统计聚合运算；4）线性代数运算。特别说明了广播机制允许不同形状数组的运算，以及NumPy提供的丰富数学函数。文章详细演示了各类运算的具体实现方式，如元素级运算、矩阵乘法、统计函数等，并强调向量化操作相比Python循环的性能优势。最后指出使用注意事项，包括数据类型兼容性、形状匹配和性能优化建议，帮助读者充分利用NumPy提升科学计算效率。

【python与数据分析】NumPy数值计算基础1——numpy数组及其运算

m0_72318954的博客

11-19

2347

numpy库介绍

【Python数据分析系列4】Numpy学习——数组的基本数学计算（求余、求幂、取整、复数运算）

12-21

【Python数据分析系列4】Numpy学习——数组的基本数学计算涵盖了Python数据分析中常用的操作，包括求余、求幂、取整以及复数运算。这些运算在处理数据时非常关键，特别是对于数值密集型的数据分析任务。 1. **求余...

Numpy——numpy的基本运算

12-22

本篇文章将深入探讨Numpy的一些基本运算，包括矩阵的初始化、加法、减法、乘法、乘方、三角函数、逻辑运算、二维矩阵计算以及统计函数的使用。 1. 初始化两个矩阵：`np.array()`函数用于创建矩阵，例如`a=np.array...

Numpy 中数组和矩阵的基本运算

走在机器学习的岔路上

05-05

345

1.建立矩阵b = np.array([1, 2, 3]) print b ---------- c = np.array([[1, 2, 3], [1, 2, 3]])#O: [[1 2 3] [1 2 3]]---------- b = np.arange(12) print b#O: [ 0 1 2 3 4 5 6 7 8 9 10 11]

numpy用法2: numpy的基础运算

studywithsawyer

01-10

685

加减乘除运算平方调用函数比值符号矩阵乘法随机矩阵求和最值最值的索引平均值的三种种表示方式行或列的平均值中位数累加和累差数组输出所有非零索引数组逐行进行排序矩阵的置的两种表示方法修改矩阵里的数，让矩阵里的数不大于最大值不小于最小值加减乘除运算 import numpy as np a=np.array([10,20,30,40]) b=np.arange(4) print(a,b) c1=a-b#减 print(c1) 结果： [10 20 30 40] [0 1 2 3] [10 19 28 37] .

numpy入门（二）——基本运算

wjyjiayou的博客

09-15

465

numpy的运算和python的元组列表字符串不同，python列表字符串元组是累加的： numpy就真的是对相对应位置上的元素进行数学运算了： random.randint(shtar, end, 随机数数量).reshape(shape) 同时你也看到进行相应计算后原数组或矩阵的数值并没有改变，你想要保存的话需要建立一个新的变量保存。 numpy的运算速度比python要快，这...

【科学计算包NumPy】NumPy数组的基本操作

Morse_Chen的博客

03-21

1498

本文讲解科学计算包NumPy的使用方法，围绕NumPy数组的基本操作，包括数组的索引和切片、数组的转换、数组的运算、布尔数组和花式索引以及应用统计与排序函数。

2.numpy数组基础运算

weixin_48192256的博客

04-04

241

【代码】2.numpy数组基础运算。

Numpy：基本运算（2）

BBJG_001的博客

02-01

2067

原文地址首先定义一个矩阵 import numpy as np a1 = np.array(np.arange(10, 70, 10).reshape((2,3))) # [[10 20 30] # [40 50 60]] argmin() 和 argmax() ：求矩阵中最小元素和最大元素的索引 # 最大值索引/最小值索引 print(np.argmax(a1)) # 5 pri...

Numpy学习(2):基本运算

Mikumiku339的博客

11-26

332

import numpy as np a = np.array([10,20,30,40]) b = np.ones(4) #加减乘除乘方 print(a+b) print(a-b) print(a*b) print(a/b) print(b**2) #三角函数 print(10*np.sin(a)) #蒙版 print(a <= 20) #二维 a = np.array([[1,1],[0,1]]) b = np.arange(4).reshape((2,2)) #两者等价 c_dot =

Numpy学习笔记（二）基本运算

qq_40680007的博客

01-26

816

文章目录前言一、一维数组基本运算1.导入库&定义数组2.一维数组加减3.一维数组的乘法4.一位数组的乘方5.使用数学函数6.判断数值大小二、多维数组基本运算1.导入库&定义数组2.多维度矩阵乘法3.random.random()用法4.sum()求和 max()最大 min()最小5.axis值设置三、基本计算1.导入库&定义数组2.argmin()&argmax()索引值2.mean()&average()均值3.median()中位数4.cumsum()累加&..

Numpy基本操作——numpy中数组的基本操作

阿极的博客

01-12

1710

（附详细代码）本文介绍了练习numpy中数组与数值运算操作、数组与数组运算操作、数组变形操作、数组转置操作、数组排序操作。

numpy 数组的基本运算exp

03-29

### Numpy Array Exp 基本运算 `numpy.exp` 是 NumPy 提供的一个用于计算自然指数的函数，它会对数组中的每一个元素执行 \( e^x \) 运算[^1]。其中 \( e \) 表示自然对数的底数。 #### 单个数字作为输入当 `numpy...