numpy 数组的计算

一、数组和数的计算

数组和数计算，数组中的每个元素和数进行计算

1、加

import numpy as np

arr1 = np.arange(12).reshape(3, 4)
print(arr1)

# 数组的每个元素和数进行加法运算
arr2 = arr1 + 2
print(arr2)

2、减

import numpy as np

arr1 = np.arange(12).reshape(3, 4)
# 数组的每个元素和数进行减法运算
arr2 = arr1 - 2
print(arr2)

3、乘

import numpy as np

arr1 = np.arange(12).reshape(3, 4)
# 数组的每个元素和数进行乘法运算
arr2 = arr1 * 2
print(arr2)

4、除

import numpy as np

arr1 = np.arange(12).reshape(3, 4)
# 数组的每个元素和数进行除法运算
arr2 = arr1 // 2
print(arr2)

注意：

nan:  a/b, a和b都是0

inf: a/b, b是0，a非0

二、数组和数组的计算

1、数组的形状相同

a、加

import numpy as np

arr1 = np.arange(12).reshape(3, 4)
arr2 = np.arange(24, 36).reshape(3, 4)
# 数组中对应位置的元素分别相加
arr3 = arr1 + arr2
print(arr3)

b、减

import numpy as np

arr1 = np.arange(12).reshape(3, 4)
arr2 = np.arange(24, 36).reshape(3, 4)
# 数组中对应位置的元素分别相减
arr3 = arr1 - arr2
print(arr3)

c、乘

import numpy as np

arr1 = np.arange(12).reshape(3, 4)
arr2 = np.arange(24, 36).reshape(3, 4)
# 数组中对应位置的元素分别相乘
arr3 = arr1 * arr2
print(arr3)

d、除

import numpy as np

arr1 = np.arange(12).reshape(3, 4)
arr2 = np.arange(24, 36).reshape(3, 4)
# 数组中对应位置的元素分别相除
arr3 = arr1 / arr2
print(arr3)
print(arr3.dtype)
# 数组中的每个元素保留两位小数
arr4 = np.round(arr3, 2)
print(arr4)

2、数组的形状不相同

a、列数相同

import numpy as np

arr1 = np.arange(12, 24).reshape(3, 4)
arr2 = np.arange(3, 7).reshape(4,)
# 加
arr3 = arr1 + arr2
print(arr3)
# 减
arr4 = arr2 - arr1
print(arr4)
# 乘
arr5 = arr1 * arr2
print(arr5)
# 除
arr6 = arr1 / arr2
print(arr6)

b、行数相同

import numpy as np

arr1 = np.arange(12, 24).reshape(3, 4)
arr2 = np.arange(3, 6).reshape(3, 1)
# 加
arr3 = arr1 + arr2
print(arr3)
# 减
arr4 = arr2 - arr1
print(arr4)
# 乘
arr5 = arr1 * arr2
print(arr5)
# 除
arr6 = arr1 / arr2
print(arr6)

注意：数组的计算遵循numpy的广播原则

三、广播原则

1、官方概念

如果两个数组的后缘维度(从末尾开始计算的维度)的轴长度相符或其中一方的长度为1，则认为它们是广播兼职的。
广播会在缺失和(或)长度为1的维度上进行。

2、自己理解

a.数组求shape
b.从shape的最后一位开始比较
c.1可以看成任意数, 如(2, 2, 3)和(2, 1) 可以进行运算
d.缺失的部分忽略，如(2, 2, 3)和(3,) 可以进行运算
e.运算在缺失或长度为1的维度上进行

四、轴

1.轴：
在numpy中可以理解为方向，使用0,1,2...数字表示
数组shape的index， 0轴 1轴
2.轴长度：
包含数据的条数
数组shape的值