NumPy 算术函数

NumPy 算术函数

算术函数

NumPy 算术函数包含简单的加减乘除: add()subtract()multiply() 和 divide()

需要注意的是数组必须具有相同的形状或符合数组广播规则。

复制代码

import numpy as np

a = np.arange(9, dtype = np.float_).reshape(3,3) 
print ('第一个数组:')
print (a)
print ('\n')
print ('第二个数组:')
b = np.array([10,10,10]) 
print (b)
print ('\n')
print ('两个数组相加:')
print (np.add(a,b))
print ('\n')
print ('两个数组相减:')
print (np.subtract(a,b))
print ('\n')
print ('两个数组相乘:')
print (np.multiply(a,b))
print ('\n')
print ('两个数组相除:')
print (np.divide(a,b))

 

---------以上执行程序,返回的结果为------

第一个数组:
[[0. 1. 2.]
[3. 4. 5.]
[6. 7. 8.]]


第二个数组:
[10 10 10]


两个数组相加:
[[10. 11. 12.]
[13. 14. 15.]
[16. 17. 18.]]


两个数组相减:
[[-10.  -9.  -8.]
[ -7.  -6.  -5.]
[ -4.  -3.  -2.]]


两个数组相乘:
[[ 0. 10. 20.]
[30. 40. 50.]
[60. 70. 80.]]


两个数组相除:
[[0.  0.1 0.2]
[0.3 0.4 0.5]
[0.6 0.7 0.8]]

复制代码

此外 Numpy 也包含了其他重要的算术函数。

numpy.reciprocal()

numpy.reciprocal() 函数返回参数逐元素的倒数。如 1/4 倒数为 4/1

复制代码

import numpy as np

a = np.array([0.25,  1.33,  1,  100]) 
print ('我们的数组是:')
print (a)
print ('\n')
print ('调用 reciprocal 函数:')
print (np.reciprocal(a))

 

---------以上执行程序,返回的结果为------

我们的数组是:
[  0.25   1.33   1.   100.  ]


调用 reciprocal 函数:
[4.        0.7518797 1.        0.01     ]

复制代码

numpy.power()

numpy.power() 函数将第一个输入数组中的元素作为底数,计算它与第二个输入数组中相应元素的幂。

复制代码

import numpy as np

a = np.array([10,100,1000]) 
print ('我们的数组是;')
print (a)
print ('\n')
print ('调用 power 函数:')
print (np.power(a,2))
print ('\n')
print ('第二个数组:')
b = np.array([1,2,3]) 
print (b)
print ('\n')
print ('再次调用 power 函数:')
print (np.power(a,b))

 

---------以上执行程序,返回的结果为------

我们的数组是;
[  10  100 1000]


调用 power 函数:
[    100   10000 1000000]


第二个数组:
[1 2 3]


再次调用 power 函数:
[ 10      10000 1000000000]

复制代码

numpy.mod()

numpy.mod() 计算输入数组中相应元素的相除后的余数。 函数 numpy.remainder() 也产生相同的结果。

复制代码

import numpy as np

a = np.array([10,20,30])
b = np.array([3,5,7]) 
print ('第一个数组:')
print (a)
print ('\n')
print ('第二个数组:')
print (b)
print ('\n')
print ('调用 mod() 函数:')
print (np.mod(a,b))
print ('\n')
print ('调用 remainder() 函数:')
print (np.remainder(a,b))

 

---------以上执行程序,返回的结果为------

第一个数组:
[10 20 30]


第二个数组:
[3 5 7]


调用 mod() 函数:
[1 0 2]


调用 remainder() 函数:
[1 0 2]

复制代码

 

### 使用 Numpy 聚合函数Numpy 中,聚合函数用于快速有效地执行各种统计数据操作。常见的聚合函数包括 `sum`、`mean`、`max` 和 `min` 等。 对于求和操作,可以使用 `np.sum()` 函数来计算数组中所有元素的总和[^4]: ```python import numpy as np data = np.array([1, 2, 3, 4]) total_sum = np.sum(data) print(f"Sum of elements: {total_sum}") ``` 为了获得平均值,可调用 `np.mean()` 方法,该方法返回给定轴上的算术平均值[^5]: ```python average_value = np.mean(data) print(f"Average value: {average_value}") ``` 寻找最大值可以通过 `np.max()` 实现;同样地,最小值则由 `np.min()` 提供[^3]: ```python maximum_value = np.max(data) minimum_value = np.min(data) print(f"Maximum value: {maximum_value}, Minimum value: {minimum_value}") ``` 上述代码片段展示了如何利用 Numpy 的内置聚合功能轻松完成基本统计分析任务。 #### 获取最值及其索引位置 除了简单的聚合外,有时还需要知道特定数值的位置信息。为此,Numpy 提供了两个额外的功能:`argmax` 和 `argmin`,它们分别用来找出最大值和最小值所在的索引。 ```python index_of_max = np.argmax(data) index_of_min = np.argmin(data) print(f"Index of maximum value ({maximum_value}): {index_of_max}") print(f"Index of minimum value ({minimum_value}): {index_of_min}") ``` 这使得不仅能够识别极端情况下的具体数值,还能追踪其所在的具体位置,在实际应用中非常有用。
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