numpy数组的运算 200309

最新推荐文章于 2025-10-01 15:02:56 发布
原创 最新推荐文章于 2025-10-01 15:02:56 发布 · 155 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文深入探讨了数组与数字、数组与数组之间的各种运算规则，包括加减乘除、广播原则等，解析了不同维度数组运算的逻辑，如一维与多维数组的运算，以及在特定情况下如何处理数组除以零的问题。

数组与数字的运算

数组与数字相加时

在这里插入图片描述

乘法除法

在这里插入图片描述

数组除以零的时候

在这里插入图片描述

数组与数组的运算

两个形状相同的数运算时

在这里插入图片描述

在这里插入图片描述

对应位置的数字进行运算

一维n列与m维n列的运算

在这里插入图片描述

列数相同

每n维的每一行数据都会与一维的数据运算

在这里插入图片描述

o行p列与o行1列的运算

p列中的第一个一委与1行的相运算

在这里插入图片描述

在这里插入图片描述

x维y列与m维n列的运算 报错

在这里插入图片描述

广播原则

不好理解

在这里插入图片描述

whalecode
关注
2.Numpy数组运算
学习与分享
06-03 1477
高效数组操作：通过向量化运算替代 Python 循环，显著提升计算速度。支持多种数据类型（int/float/bool）和灵活的数组创建方式（zeros/ones/arange）。 丰富的数学工具：内置三角函数、指数对数、线性代数等函数，覆盖科学计算全场景。 灵活的索引机制：支持基本索引、切片、花式索引（整数 / 布尔数组），实现复杂数据筛选。 广播机制：自动处理不同形状数组的运算，减少代码冗余。 统计与条件工具：通过 函数、掩码操作高效处理数据筛选与替换，高效快捷。
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
05-29 551
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。
numpy：数组的计算
zhangqiqiyihao的博客
10-11 683
1.数组和数字进行运算——广播 t5 Out[3]: array([[ 0, 1, 2, 3, 4, 5], [ 6, 7, 8, 9, 10, 11], [12, 13, 14, 15, 16, 17], [18, 19, 20, 21, 22, 23]]) 运行t5+2的结果 t5+2 Out[4]: array([[ 2, 3, 4, 5, 6, 7], [ 8, 9, 10, 11, 12, 13],
numpy数组计算
starmultiple的博客
06-29 315
numpy数组计算
03_Numpy数组运算和函数
最新发布
OG one.Z的博客
10-01 1004
本文介绍了Numpy数组的矢量化运算特性，包括数组与标量、数组之间的运算规则。重点讲解了矩阵乘法的定义和实现方法（@运算符或np.dot函数），以及广播机制在形状不同数组运算中的应用。同时列举了常用的一元函数（如abs、sqrt等）和二元 exponents函数的
numpy 数组的计算
shuyv的博客
02-07 929
1.数组与数字间的计算（广播机制） import numpy as num # 先创建一个二维数组shape(2,3) shuzu3 = num.array([[0, 2, 3], [4, 5, 6]]) print(shuzu3) print() print(shuzu3+3) 结果如下： [[0 2 3] [4 5 6]] [[3 5 6] [7 8 9]] 结果表明：二位数组中的...
Python-Numpy数组计算
ainivip的专栏
03-15 4203
一、NumPy：数组计算 1、NumPy是高性能科学计算和数据分析的基础包。它是pandas等其他各种工具的基础。 2、NumPy的主要功能： ndarray，一个多维数组结构，高效且节省空间 无需循环对整组数据进行快速运算的数学函数 *读写磁盘数据的工具以及用于操作内存映射文件的工具 *线性代数、随机数生成和傅里叶变换功能 *用于集成C、C++等代码的工具 3、安装方法：pip in...
Numpy数组的运算
yynike123的博客
07-15 1646
使⽤NumPy最为⽅便的是当需要对数组元素进⾏运算时
Numpy数组和矩阵运算（2.数组运算）
06-14
### Numpy数组和矩阵运算详解 #### Numpy数组的优势 Numpy是Python中处理数值计算的一个强大库。相比Python内置的列表，Numpy数组在执行数值运算时具有显著的优势： 1. **运算速度快**：Numpy通过C语言实现底层...
python科学计算：NumPy 数组的运算
一名全栈开发工程师
09-06 1360
NumPy 会自动扩展较小的数组，以适应较大数组的形状，从而实现元素级运算。NumPy 提供了一系列用于数组运算的函数和操作符，这些运算可以作用于数组的每个元素上。标量可以与数组的每个元素进行加、减、乘、除等操作，这在数学建模和物理模拟中非常有用。NumPy 提供了丰富的数学函数库，用于计算数组中的常用数学操作，如平方根、对数、三角函数等。
《解锁Numpy数组：从新手到高手的进阶指南》，Numpy数组高级操作详解，从基础到实战的数据处理与分析指南
06-19
②理解广播机制及其在数组运算中的应用；③学会使用高级索引和布尔掩码进行数据筛选；④熟悉Numpy提供的数学运算和统计分析函数；⑤了解随机数生成和线性代数运算的功能；⑥通过实际案例掌握Numpy在数据预处理和图像...
numpy数组的运算
Liz的博客
03-21 285
基本运算: 整个array按顺序参与运算： 1 2 3 4 5 6 7 8 9 10 11 12 13 >>> a=np.array( [20,30,40,50] ) >>> b=np.arange(4) ...
NumPy(二)：数组的计算
铁头同学的博客
09-12 652
a.数组与数的计算 b.数组与数组的计算 c.矩阵的计算 d.numpy中的常用统计函数
numpy之数组运算
l13kddd的博客
07-07 1795
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
Python库学习(九):Numpy[续篇三]:数组运算
weixin_39001207的博客
10-10 2967
方差越大，数据点相对于均值的分散程度就越高，方差越小，数据点相对于均值的分散程度就越低。标准差用于衡量数据点相对于数据集的均值的平均偏离程度，它提供了一种对数据集中数据分布的散布情况的直观认识。）是一种强大的特性，它允许在不同形状的数组之间执行元素级操作，而无需显式地将数组形状调整为相同的形状。它接受一个布尔数组或条件表达式，当参数不为空时,将只计算满足条件的元素的平均值，而忽略不满足条件的元素。数组支持基本的四则运算（加法、减法、乘法和除法），它们是元素级别的运算，也称为逐元素运算;
02_Numpy索引和布尔逻辑
OG one.Z的博客
09-30 806
本文介绍了NumPy数组的四种索引方法：普通索引、切片索引、花式索引和布尔索引，并分析了accompanied通过图像处理案例展示了索引的实际应用。普通索引类似Python列表索引，支持多维数组；切片索引通过指定起始、结束位置和步长获取子数组，且返回的是视图而非副本；花式索引使用数组作为索引，结果形状与索引数组一致；布尔索引通过布尔掩码筛选元素。文章还比较了不同索引/slice的内存关系，切片索引共享内存，而花式索引创建新数组。最后通过图像反转和裁剪案例示例了索引的实用价值。
Python+Numpy------数组运算
热门推荐
liyuqian199695的博客
12-24 5万+
Python+Numpy------数组运算 1、数组运算 (1)数组加法：array([20,31,42,53])=array([20,30,40,50])+array([0,1,2,3]) from numpy import * a=array([20,30,40,50]) b=arange(4) a+b (2)数组减法：array([20,29,38,47])=
Numpy数组计算基础（1）
小生不才
06-13 737
Numpy是用于数据科学计算的基础，不但能够完成科学计算任务，还能被 用作高效地多维数据容器。用于存储和处理大型矩阵。 Python提供了一个array模块，和list不同，它直接保存数值，但是由于 Python 的array模块不支持多维，也没有各种运算函数。 Numpy 弥补了这一遗憾。Numpy提供了一种存储单一数据类型的多维数 组——ndarray(下文统称数组) 1．数组属性：ndarr...
Numpy数组间运算
但行好事，莫问前程
06-10 1775
一、数组与数的运算 二、数组与数组的运算
NumPy数组运算
03-22
### NumPy 数组运算教程 NumPy 是 Python 中用于科学计算的核心库，其主要功能围绕 N 维数组对象展开。通过 NumPy 的矢量化特性，可以实现高效的批量运算，无需显式编写循环结构。 #### 1. 大小相等的数组运算 当两个 NumPy 数组具有相同的形状时，可以直接对它们进行逐元素的操作。这种操作方式被称为矢量化 (vectorization)，能够显著提升性能并简化代码逻辑[^1]。 ```python import numpy as np a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) addition = a + b # 加法 subtraction = a - b # 减法 multiplication = a * b # 乘法 division = a / b # 除法 print(addition) # 输出: [5 7 9] print(subtraction) # 输出: [-3 -3 -3] print(multiplication) # 输出: [4 10 18] print(division) # 输出: [0.25 0.4 0.5 ] ``` #### 2. 数组与标量的运算 除了数组之间的运算外，还可以将一个标量应用于整个数组。在这种情况下，标量会广播到数组的每一个元素上。 ```python scalar_addition = a + 10 # 将标量加到每个元素 scalar_multiplication = a * 2 # 将标量乘以每个元素 print(scalar_addition) # 输出: [11 12 13] print(scalar_multiplication) # 输出: [2 4 6] ``` #### 3. 常见数学函数的应用 NumPy 提供了大量的内置数学函数，这些函数支持直接作用于数组上的每一种元素。常见的例子包括三角函数、指数函数和对数函数等[^2]。 ```python c = np.array([np.pi/2, 0, np.pi]) sin_values = np.sin(c) # 计算正弦值 exp_values = np.exp(a) # 计算自然指数 log_values = np.log(np.abs(b)) # 对绝对值取自然对数 print(sin_values) # 输出: [1. 0. 1.2246468e-16] print(exp_values) # 输出: [ 2.71828183 7.3890561 20.08553692] print(log_values) # 输出: [1.38629436 0. 1.79175947] ``` #### 4. 广播机制 即使数组的形状不完全相同，在某些条件下仍然可以通过 **广播** 来完成运算。这使得不同维度或大小的数组也可以相互配合工作[^3]。 ```python d = np.array([[1], [2]]) e = np.array([3, 4]) broadcast_result = d + e print(d.shape) # 输出: (2, 1) print(e.shape) # 输出: (2,) print(broadcast_result) # 输出: [[4 5] [5 6]] ``` ---
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