📅  最后修改于: 2023-12-03 15:03:19.271000             🧑  作者: Mango
NumPy是Python中用于科学计算的主要库之一,提供了高效的多维数组对象和广播(broadcasting)功能,以及数学和逻辑运算。
在NumPy中,有很多二元运算符可以对数组进行操作。下面是一些常用的二元运算符:
| 运算符 | 描述 | | --- | --- | | + | 加 | | - | 减 | | * | 乘 | | / | 除 | | // | 整除 | | % | 模 |
import numpy as np
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 ]
print(a // b) # [0 0 0]
print(a % b) # [1 2 3]
| 运算符 | 描述 | | --- | --- | | == | 等于 | | != | 不等于 | | > | 大于 | | >= | 大于等于 | | < | 小于 | | <= | 小于等于 |
import numpy as np
a = np.array([1, 2, 3])
b = np.array([2, 2, 2])
print(a == b) # [False True False]
print(a != b) # [ True False True]
print(a > b) # [False False True]
print(a >= b) # [False True True]
print(a < b) # [ True False False]
print(a <= b) # [ True True False]
| 运算符 | 描述 | | --- | --- | | & | 逐位与 | | | | 逐位或 | | ^ | 逐位异或 | | ~ | 取反 |
import numpy as np
a = np.array([True, True, False, False])
b = np.array([True, False, True, False])
print(a & b) # [ True False False False]
print(a | b) # [ True True True False]
print(a ^ b) # [False True True False]
print(~a) # [False False True True]
| 运算符 | 描述 | | --- | --- | | @ | 矩阵乘法 | | ** | 幂次方 |
import numpy as np
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
print(a @ b) # [[19 22] [43 50]]
print(a ** 2) # [[ 1 4] [ 9 16]]
以上是NumPy中常用的二元运算符,可以根据需要灵活运用。