📅  最后修改于: 2023-12-03 15:18:03.120000             🧑  作者: Mango
NumPy是Python中用于科学计算的一个库。它提供了高效的数组操作和运算符。
NumPy数组是由相同类型的元素组成的n维网格。可以使用numpy.array
函数创建一个数组。例如,以下代码创建一个3×3的数组:
import numpy as np
a = np.array([[1,2,3], [4,5,6], [7,8,9]])
print(a)
输出:
array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
可以使用NumPy进行各种算术运算,如加法、减法、乘法、除法等。以下是一些示例:
a = np.array([1,2,3])
b = np.array([4,5,6])
print(a + b) # [5 7 9]
print(a - b) # [-3 -3 -3]
print(a * b) # [ 4 10 18]
print(a / b) # [0.25 0.4 0.5 ]
可以在数组和标量之间进行算术运算。以下是一些示例:
a = np.array([1,2,3])
print(a + 2) # [3 4 5]
print(a - 2) # [-1 0 1]
print(a * 2) # [2 4 6]
print(a / 2) # [0.5 1. 1.5]
NumPy还提供了一些特殊的运算符,如幂次、取反、取余数等。以下是一些示例:
a = np.array([1,2,3])
print(a**2) # [1 4 9]
print(a**0.5) # [1. 1.41421356 1.73205081]
print(~a) # [-2 -3 -4]
print(a % 2) # [1 0 1]
NumPy也支持各种比较运算符,如等于、小于、大于等。以下是一些示例:
a = np.array([1,2,3])
b = np.array([4,5,6])
print(a == b) # [False False False]
print(a < b) # [ True True True]
print(a > b) # [False False False]
可以使用逻辑运算符进行多个条件的组合。以下是一些示例:
a = np.array([1,2,3])
b = np.array([4,5,6])
print(np.logical_and(a>0, a<3)) # [ True True False]
print(np.logical_or(a<2, b>5)) # [ True True True]
print(np.logical_not(a<2)) # [False True True]
NumPy还支持矩阵运算符。以下是一些示例:
a = np.array([[1,2], [3,4]])
b = np.array([[5,6], [7,8]])
print(a.dot(b)) # [[19 22] [43 50]]
print(np.dot(a, b)) # [[19 22] [43 50]]
print(a @ b) # [[19 22] [43 50]]
print(np.matmul(a, b)) # [[19 22] [43 50]]
print(np.vdot(a, b)) # 70
print(np.inner(a, b)) # [[17 23] [39 53]]
print(np.outer(a, b)) # [[ 5 6 7 8] [10 12 14 16] [15 18 21 24] [20 24 28 32]]
print(np.kron(a, b)) # [[ 5 6 10 12] [ 7 8 14 16] [15 18 20 24] [21 24 28 32]]
这些运算符用于矩阵的点积、向量的点积、矩阵的克罗内克积等。详情请参阅NumPy文档。
NumPy和运算符是Python中进行科学计算和数据处理的常用工具。它提供了高效的数组操作和各种运算符。在NumPy中,可以使用算术运算符、比较运算符、逻辑运算符和矩阵运算符进行各种数学运算和数据处理。