数组的ufunc广播机制

最新推荐文章于 2025-08-29 11:42:50 发布

原创最新推荐文章于 2025-08-29 11:42:50 发布 · 1.2w 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #python

数据分析专栏收录该内容

27 篇文章

订阅专栏

这篇博客介绍了Numpy库中的通用函数，如加减乘除等，并详细阐述了广播机制，即如何对不同形状的数组进行算术运算。还提到了Numpy的向量化运算，它使得处理整个数组的速度加快。示例中展示了如何检查数组元素是否包含在另一个数组中，以及比较和逻辑运算的使用方法。此外，还通过实例解释了广播机制如何在数组加法中工作，包括相同形状和不同形状数组的加法操作。

通用函数，能够对array中所有元素进行操作的函数
Broadcating指对不同形状的array之间执行算术的方式
不同形状的数组运算时，Numpy则会执行广播机制

numpy能够运用向量化运算处理整个数组，所以速度比较快

np.add(arr1,arr2)
np.subtract(arr1,arr2)
np.divide(arr1,arr2)
np.multiply(arr1,arr2)

np.pow(arr2,3)
np.unique(arr)
test=[2,4,6]
np.inld(arr,test)  # 元素是否在arr中

arr1==arr2
np.equal(arr1,arr2)
arr1>arr2
np.greater(arr1,arr2)

np.greater(arr1,arr2).any()  # 有一个满足就返回True
np.greater(arr1,arr2).all()  # 所有满足才返回True

np.isnan(arr)

arr1=np.array([[1,2,3],[2,3,4],[3,4,5]])
arr2=np.array([[1,1,1],[2,2,2],[3,3,3]])
arr1+arr2
# array(
      [[2, 3, 4],
       [4, 5, 6],
       [6, 7, 8]])
arr3=np.array([1,2,3])
arr1+arr3
# array(
      [[2, 4, 6],
       [3, 5, 7],
       [4, 6, 8]])