python 將numpy維度不同的數(shù)組相加相乘操作
第一種
np矩陣可以直接與標(biāo)量運(yùn)算
>>>import numpy as np >>>arr1 = np.arange(12).reshape([2,2,3]) >>>arr1 array([[[ 0, 1, 2], [ 3, 4, 5]], [[ 6, 7, 8], [ 9, 10, 11]]]) >>>arr1*5 array([[[ 0, 5, 10], [15, 20, 25]], [[30, 35, 40], [45, 50, 55]]]) >>>arr1-5 array([[[-5, -4, -3], [-2, -1, 0]], [[ 1, 2, 3], [ 4, 5, 6]]]) >>>arr1**2 array([[[ 0, 1, 4], [ 9, 16, 25]], [[ 36, 49, 64], [ 81, 100, 121]]])
第二種
若arr1是高維數(shù)組,如果arr2的維度與arr1某個(gè)子數(shù)組維度相同,那么可以相互作運(yùn)算。
PyDev console: starting. Python 3.7.3 (v3.7.3:ef4ec6ed12, Mar 25 2019, 16:52:21) [Clang 6.0 (clang-600.0.57)] on darwin >>>import numpy as np >>>arr1 = np.arange(12).reshape([2,2,3]) >>>arr1 array([[[ 0, 1, 2], [ 3, 4, 5]], [[ 6, 7, 8], [ 9, 10, 11]]]) >>>arr2 = np.array([2,2,2]) >>>arr2 array([2, 2, 2]) >>>arr1*arr2 array([[[ 0, 2, 4], [ 6, 8, 10]], [[12, 14, 16], [18, 20, 22]]]) >>>arr3 = np.arange(6).reshape([2,3]) >>>arr1*arr3 array([[[ 0, 1, 4], [ 9, 16, 25]], [[ 0, 7, 16], [27, 40, 55]]])
補(bǔ)充:python 按不同維度求和,最值,均值
當(dāng)變量維數(shù)加大時(shí)很難想象是怎樣按不同維度求和的,高清楚一個(gè),其他的應(yīng)該就很清楚了,什么都不說了,上例子,例子一看便明白…..
a=range(27) a=np.array(a) a=np.reshape(a,[3,3,3])
輸出a的結(jié)果是:
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], [24, 25, 26]]])
我們來看看 aa=np.sum(a,-1)的輸出:
array([[ 3, 12, 21], [30, 39, 48], [57, 66, 75]])
bb=np.sum(a,2) 的輸出
array([[ 3, 12, 21], [30, 39, 48], [57, 66, 75]])
cc=np.sum(a,0)的輸出:
array([[27, 30, 33], [36, 39, 42], [45, 48, 51]])
cc=np.sum(a,1)的輸出:
array([[ 9, 12, 15], [36, 39, 42], [63, 66, 69]])
第-1個(gè)維度與第2個(gè)維度是一樣的,第-1個(gè)維度實(shí)際是指最后一個(gè)維度。
以上為個(gè)人經(jīng)驗(yàn),希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教。
- Python數(shù)據(jù)分析numpy數(shù)組的3種創(chuàng)建方式
- 詳解python如何通過numpy數(shù)組處理圖像
- python中的Numpy二維數(shù)組遍歷與二維數(shù)組切片后遍歷效率比較
- Python中numpy數(shù)組的計(jì)算與轉(zhuǎn)置詳解
- Python 用NumPy創(chuàng)建二維數(shù)組的案例
- Python數(shù)據(jù)分析Numpy中常用相關(guān)性函數(shù)
- Python數(shù)據(jù)分析之NumPy常用函數(shù)使用詳解
- python數(shù)據(jù)分析Numpy庫的常用操作
- Python?Numpy布爾數(shù)組在數(shù)據(jù)分析中的應(yīng)用小結(jié)
相關(guān)文章
Python機(jī)器學(xué)習(xí)應(yīng)用之基于LightGBM的分類預(yù)測篇解讀
這篇文章我們繼續(xù)學(xué)習(xí)一下GBDT模型的另一個(gè)進(jìn)化版本:LightGBM,LigthGBM是boosting集合模型中的新進(jìn)成員,由微軟提供,它和XGBoost一樣是對GBDT的高效實(shí)現(xiàn),原理上它和GBDT及XGBoost類似,都采用損失函數(shù)的負(fù)梯度作為當(dāng)前決策樹的殘差近似值,去擬合新的決策樹2022-01-01Python中強(qiáng)大的命令行庫click入門教程
click是Python的一個(gè)命令行工具,極其好用。不信?一試便知。下面這篇文章主要給大家介紹了Python中強(qiáng)大的命令行庫click,需要的朋友可以參考學(xué)習(xí),下面來一起看看吧。2016-12-12Python中用memcached來減少數(shù)據(jù)庫查詢次數(shù)的教程
這篇文章主要介紹了Python中用memcached來減少數(shù)據(jù)庫查詢次數(shù)的教程,memcached是一種分布式的內(nèi)存緩存工具,使用后可以減少對硬盤的I/O次數(shù),需要的朋友可以參考下2015-04-04Python pygorithm模塊用法示例【常見算法測試】
這篇文章主要介紹了Python pygorithm模塊用法,結(jié)合實(shí)例形式分析了pygorithm模塊的功能、安裝及針對常見算法的相關(guān)使用操作技巧,需要的朋友可以參考下2018-08-08詳解Django的CSRF認(rèn)證實(shí)現(xiàn)
這篇文章主要介紹了詳解Django的CSRF認(rèn)證實(shí)現(xiàn),詳細(xì)的介紹了csrf原理和實(shí)現(xiàn),小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過來看看吧2018-10-10Python實(shí)現(xiàn)生成帶logo背景圖的二維碼
這篇文章主要為大家詳細(xì)介紹了如何利用Python實(shí)現(xiàn)生成帶logo背景圖的二維碼(靜態(tài)和動(dòng)態(tài)圖),文中的示例代碼講解詳細(xì),感興趣的小伙伴可以了解一下2023-05-05centos 自動(dòng)運(yùn)行python腳本和配置 Python 定時(shí)任務(wù)
這篇文章主要介紹了centos 自動(dòng)運(yùn)行python腳本和配置 Python 定時(shí)任務(wù),文章內(nèi)容介紹詳細(xì),需要的小伙伴可以參考一下,希望對你有所幫助2022-03-03