精华内容
下载资源
问答
  • Python3数组及矩阵运算

    千次阅读 2018-06-06 23:46:37
    import numpy as np创建二维数组A = np.array([[1,2],[3,4]])B = np.array([[5,6],[7,8]])加减A + BA - B乘法(区别数组与矩阵)A * B #输出为 array([[5,12],[21,32]])np.dot(A,B) #输出为array([[19,22],[43,50]...

    import numpy as np

    创建二维数组

    A = np.array([[1,2],[3,4]])

    B = np.array([[5,6],[7,8]])

    加减

    A + B

    A - B

    乘法(区别数组与矩阵)

    A * B #输出为 array([[5,12],[21,32]])

    np.dot(A,B) #输出为array([[19,22],[43,50]]) 此处才是矩阵的点乘

    也可以直接当做矩阵去乘

    np.mat(A) * np.mat(B) #结果同np.dot(A,B)

    矩阵的转置

    A.T

    矩阵的求逆

    np.linalg.inv(A)

    水平拼合

    np.hstack((A, B))

    垂直拼合

    np.vstack((A, B))

    沿横轴分割数组(分成输出两列)

    np.hsplit(A, 2)

    沿纵轴分割数组(分成两行)

    np.vsplit(A, 2)

    返回每列的最大值和最小值

    np.max(A, axis=0)

    np.min(A, axis=1)

    返回每列的最大值和最小值索引

    np.argmax(A, axis=0)

    np.argmin(A, axis=1)

    统计格列的中位数

    np.median(A, axis=0)

    统计各行的算术平均值

    np.mean(A, axis=1)

    统计各列的加权平均值

    np.average(A, axis=0)

    统计各行的方差

    np.var(A, axis=1)

    统计各行的标准偏差

    np.std(A, axis =0)

    展开全文
  • NumPy数组&矩阵运算

    2020-12-21 11:37:33
    目录NumPy数组&矩阵运算基本运算数组与数值的算术运算加减乘除,幂余补等等数组数组的算术运算向量点积三角函数运算四舍五入对矩阵不同维度上的元素进行求和计算数据的标准差和方差对矩阵不同维度上的元素求最大...
  • Python 数组操作技巧总结[持续更新]

    千次阅读 2016-10-17 10:50:17
    但是工作中慢慢发现数组的操作很多,并不只是加减和转置就可以很好解决的。因此开了这个博客,记录用到的一些命令。根据工作使用慢慢更新,也希望能帮助到一些朋友。 两个数组之间的操作 (1)一个二维数组与一维...

    开始接触数组进行编程的时候,很多数组操作用内置的函数就可以完成。但是工作中慢慢发现数组的操作很多,并不只是加减和转置就可以很好解决的。

    因此开了这个博客,记录用到的一些命令。根据工作使用慢慢更新,也希望能帮助到一些朋友。一个数组的操作

    1)将一个数插入一个数组中的任意位置。


    nums_one = 999
    out_tmp = [ data[:i]+[nums_one]+data[i:] for i in range(len(data)+1)]


    python基本特性

    lambda, map, reduce, filter 函数

    格式化输出,老的方法“%*” ,新的方法 "{}".format()。见这里


    数组的encode

    快速将一维数组转化为二维

    labels = [1, 3, 8]
    labels = np.array(labels)[:, None]
    [[1],
     [3],
     [8],]
    
    
    
    

    
    
    
    
    然后可以快速将该数组进行encode,即将对应的坐标位置标为1,其余位置为0。这个在机器学习对指标的操作中很常见。当然你也可以利用现有的sklearn 这类包完成。
    enlabels = np.arange(8) == np.array(labels)[:, None]
    # 改成float 型
    enlabels = enlabels.astype(np.float32)
    
    

    两个数组之间的操作

    (1)一个二维数组与一维数组的运算。

    有时候希望对二维数组中,没一行,或者每一列加减一个一维数组。这时候一维数组的长度与二维数组列/行相等。可以进行如下命令

    # 创建二维数组
    a = [[1,2,3,4,5]]*5
    # 创建以为数组
    b = np.arange(1,6,1)
    # 2D 数组每一行减去1D数组
    print a-b[None,:]
    # 2D 数组每一列减去1D数组
    print a-b[:,None]
    


    (2)  查看一个数组中是否有包含在另外一个数组的元素。

    # numpy的程序立刻搞定。返回布尔数组,长度与A相同,被元素B包含的元素的位置为True
    np.in1d(A, B)

    
    
    
    
    展开全文
  • 目录数组、乘、除运算1. 数组的加法2. 数组的减法3. 数组的乘法4. 数组的除法 数组、乘、除运算 今天我们来一起学习关于数组的一些基本数学计算中,对于数值型元素的数组,可以参与各种数学计算,这...
  • 数组运算可以进行加减乘除,同时也可以将这些算数运算符进行任意的组合已达到效果。这篇文章主要介绍了Python通用函数实现数组计算的代码,非常不错,具有一定的参考借鉴价值,需要的朋友参考下吧
  • 数组运算可以进行加减乘除,同时也可以将这些算数运算符进行任意的组合已达到效果。 >>> x=np.arange(5) >>> x array([0, 1, 2, 3, 4]) >>> x=5 >>> x=np....

    Python通用函数实现数组计算

    一.数组的运算

    数组的运算可以进行加减乘除,同时也可以将这些算数运算符进行任意的组合已达到效果。

    >>> x=np.arange(5)
    >>> x
    array([0, 1, 2, 3, 4])
    >>> x=5
    >>> x=np.arange(5)
    >>> x+5
    array([5, 6, 7, 8, 9])
    >>> x-5
    array([-5, -4, -3, -2, -1])
    >>> x*2
    array([0, 2, 4, 6, 8])
    >>> x/2
    array([0. , 0.5, 1. , 1.5, 2. ])
    >>> x//2
    array([0, 0, 1, 1, 2], dtype=int32)

    二.绝对值的运算

    一共有三种方法,第一种方法是直接利用不是NumPy库的abs函数进行计算,第二种和第三种方法则是利用numpy库的abs函数和absolute函数进行运算。如下所示:

    >>> x=np.array([1,2,3,-4,-5,-6])
    >>> x
    array([ 1,  2,  3, -4, -5, -6])
    >>> abs(x)
    array([1, 2, 3, 4, 5, 6])
    >>> np.abs(x)
    array([1, 2, 3, 4, 5, 6])
    >>> np.absolute(x)
    array([1, 2, 3, 4, 5, 6])

    三.三角函数的运算

    首先定义一个a的np当中的array对象,然后再进行运算:

    >>> a
    array([0.        , 1.57079633, 3.14159265])
    >>> np.sin(a)
    array([0.0000000e+00, 1.0000000e+00, 1.2246468e-16])
    >>> np.cos(a)
    array([ 1.000000e+00,  6.123234e-17, -1.000000e+00])
    >>> np.tan(a)
    array([ 0.00000000e+00,  1.63312394e+16, -1.22464680e-16])

    四.指数和对数的运算

    指数的运算:

    >>> x=[1,2,3]
    >>> x
    [1, 2, 3]
    >>> np.exp(x)
    array([ 2.71828183,  7.3890561 , 20.08553692])
    >>> np.exp2(x)
    array([2., 4., 8.])
    np.power(3,x)
    array([ 3,  9, 27], dtype=int32)

    对数的运算:

    >>> np.log(x)
    array([0.        , 0.69314718, 1.09861229])
    >>> np.log2(x)
    array([0.       , 1.       , 1.5849625])
    >>> x
    [1, 2, 3]
    >>> np.log10(x)
    array([0.        , 0.30103   , 0.47712125])

     

     

    posted @ 2019-06-13 12:38 Geeksongs 阅读(...) 评论(...) 编辑 收藏
    展开全文
  • 元素级的数组运算

    2019-09-13 12:17:20
    应用场景:数组中含有大量元素,如果要对数组里面的元素进行加减乘除等计算,最容易的方法就是通过循环控制访问数组每个元素,并对每个元素进行操作。但是,这种循环方式使得计算效率十分低下。python提供了一些通过...

    应用场景:数组中含有大量元素,如果要对数组里面的元素进行加减乘除等计算,最容易的方法就是通过循环控制访问数组每个元素,并对每个元素进行操作。但是,这种循环方式使得计算效率十分低下。python提供了一些通过函数,可以直接将数组作为参数,直接将函数作用域数组中的元素。

    A、一元通用函数
    1.数组判空
    np.isnan(array_name)

    2.求整运算
    np.ceil(array_name):求array_name种各个元素大于等于该值的最小整数
    np.floor(array_name):求array_name种各个元素小于等于该值的最大整数
    np.rint(array_name):求array_name种各个元素四舍五入的整数
    在这里插入图片描述
    3.返回数组小数和整数两部分
    np.modf(array_name):返回数组的小数与整数部分,两部分以独立数组形式返回
    在这里插入图片描述
    B、二元通用函数
    1.加减乘除
    np.add(arr,arr)
    np.subtract(arr,arr)
    np.multiply(arr,arr)
    np.divide(arr,arr),np.floor_divide(arr,arr)皆是出发,后者丢弃余数
    在这里插入图片描述
    2.将第二个数组的元素符号复制给第一个数组
    np.copysign(arr1,arr2)
    这是什么
    3.元素比较
    np.greater(arr1,arr2)
    np.greater_equal(arr1,arr2)
    np.less(arr1,arr2)
    np.less_equal(arr1,arr2)
    np.equal(arr1,arr2)
    np.not_equal(arr1,arr2)
    在这里插入图片描述

    展开全文
  • OpenCV-python基础操作之像素之间的数组运算加减乘除),大小相同的两张图片 ,应用调节亮度,调节对比度 叠加操作: # 代码描述: 像素之间的数组运算加减乘除,调节亮度,调节对比度 # # 创建时间: 2020-09-...
  • 一、通用函数运算 (一),数组运算 对于一个数组,可以直接用+,-,乘*,除/,逻辑非,指数运算符 **,其结果就是数组里面每一个元素运算的结果。 (二),NumPy实现的算术运算符 1、加法运算:np.add() ...
  • 1.1 与数字的加减乘数等算数运算 每个元素都指向相同的操作。比如: 结果可想而知。 1.2 通用函数:绝对值、三角函数、指数、对数 通用函数(即ufunc)是一种对ndarray的数据...
  • 或者使用numpy库提供了的matrix类,用matrix类创建的是矩阵对象,它们的加减乘除运算缺省采用矩阵方式计算,用法和matlab十分类似。不过一般用户很容易将NumPy中同时存在的ndarray和matrix对象弄混,一般不建议在大...
  • 第二章 Numpy入门 2.3 Numpy数组的计算 ...  Numpy通用函数的使用方式非常自然,因为他用到了Python原生的算术运算符,标准的、乘、除都可以使用。 >>> import numpy as np >>> x ...
  • shape可以获得矩阵大小1.1.4 使用下标读取矩阵中元素1.1.5 进行行列转换1.1.6 使用二维数组代替矩阵进行矩阵运算1.1.7 矩阵加减法1.1.8 加减失误案例1.1.9 成功案例2.1 python矩阵乘法2.1.1 使用二维数组创建两个...
  • 1.NUMPY矩阵运算语法import numpy库:import numpy as np创建矩阵:a = np.mat([[x1, x2,…,xn], [y1, y2, …, yn]])矩阵乘法:a * bnp.dot(a, b ):求两数组点积矩阵加减:a - b矩阵转置:a.Ta.transpose()矩阵除.....
  • Python运算Python中会用到我们常用的数学运算符: + - * 乘 / 除 ** 次方 % 取余 // 取商 比较运算符: == 等于!= 不等于< 小于> 大于<= 小于等于>= 大于等于 逻辑运算: in not ...
  • 学图像这几天,其实发现图像没有我们想象的那么高大上,其实通俗理解bgr图像就是三张单色的图像进行加合。...图像的加减乘除其实就是每个数组的元素进行加减乘除 加减乘除后返回到np的图像数组中,然后反映出对应...
  • 库数学基础之矩阵运算Array的创建及访问创建一维的数组:创建二维的数组array_2.shape 这个...行和列数组和矩阵的运算数组加减乘除矩阵的创建数组转化为矩阵。把数组a转化为矩阵矩阵的加减乘除矩阵相乘时候需要两...
  • numpy学习笔记 numpy是python中非常有用的一个库,我们可以使用numpy...在numpy中,最基本的运算加减,即对应位置元素做加减法;注意我们提到的运算是shape相同的两个变量之间的运算。 # 基本运算 x = np.array(...
  • MATLAB与Python numpy矩阵操作对应表

    千次阅读 2018-06-19 16:41:06
    或者使用numpy库提供了的matrix类,用matrix类创建的是矩阵对象,它们的加减乘除运算缺省采用矩阵方式计算,用法和matlab十分类似。不过一般用户很容易将NumPy中同时存在的ndarray和matrix对象弄混,一般不建议在大...
  • 向量可以做加减乘除的操作,对每一个元素都进行该运算 向量的转置,用单引号(’),把行列向量之间相互转换。 想获取向量中的单个元素,用索引下标: 它跟c语言不一样,和python很像,元素个数是从1开始。 还可...
  • Python入门笔记

    2020-11-20 16:54:55
    Python入门笔记 学习numpy库。 ...简单的加减乘除运算(因为numpy的广播功能,实现的对应元素做运算的功能) x+y # [[2. 4.], [4. 6.]] x-y # [[0. 0.], [-2. -2.]] x*y # [[1. 4.], [3. 8.]] x/y
  • python中广播机制

    2021-05-11 15:57:06
    #可是大家又会发现,如果让一个数组加1的话,结果是整个数组的结果都会加1,这是什么情况呢? #形状不一样的时候,可以通过广播机制对数组进行扩散,使得其形状变成一样的 规则1:如果两个数组形状中,只有其
  • 数组支持加减乘除四则运算 除法也是一样 原则上讲,只有形状相同的数组才能进行四则运算;但是可以通过 “广播”的形式进行临时转换,使其可以进行运算 从上面的实验可以清楚看到,不同形状之间不能进行运算...
  • 我们曾在《小白学Python:Numpy(二)》中看到,两个形状相同的数组之间可以进行加减乘除幂运算,那么形状不同的数组之间能否进行运算呢? 答案是可以的! But !,并不是任意两个形状不同的数组都可以! 因此,我们...
  • 在位数很大到超过long long的大小的时候需要使用高精度,即使用数组存储数,并模拟... 附上加减乘除的代码: 1 #include<iostream> 2 #include<string> 3 using namespace std; 4 5 int c...

空空如也

空空如也

1 2 3 4 5
收藏数 100
精华内容 40
关键字:

python数组加减运算

python 订阅