這篇文章將為大家詳細(xì)講解有關(guān)Python中numpy多維數(shù)組的使用案例，小編覺得挺實(shí)用的，因此分享給大家做個(gè)參考，希望大家閱讀完這篇文章后可以有所收獲。

創(chuàng)新互聯(lián)建站專業(yè)為企業(yè)提供冠縣網(wǎng)站建設(shè)、冠縣做網(wǎng)站、冠縣網(wǎng)站設(shè)計(jì)、冠縣網(wǎng)站制作等企業(yè)網(wǎng)站建設(shè)、網(wǎng)頁設(shè)計(jì)與制作、冠縣企業(yè)網(wǎng)站模板建站服務(wù)，十載冠縣做網(wǎng)站經(jīng)驗(yàn)，不只是建網(wǎng)站，更提供有價(jià)值的思路和整體網(wǎng)絡(luò)服務(wù)。

加法和減法操作要求操作雙方的維數(shù)信息一致，均為M*N為數(shù)組方可正確執(zhí)行操作。

a = np.arange(4)

輸出：

array([0, 1, 2, 3])

b = a**2

輸出：

array([0, 1, 4, 9])

c = 10*np.sin(a)

輸出：

 array([ 0.  , 8.41470985, 9.09297427, 1.41120008])

 

 

n < 35

輸出：

array([ True, True, True, True], dtype=bool)

 

A = np.array([[1,1],[0,1]])

B = np.array([[2,0],[3,4]])

C = A * B # 元素點(diǎn)乘

輸出：

array([[2, 0],

  [0, 4]])

D = A.dot(B) # 矩陣乘法

輸出：

array([[5, 4],

  [3, 4]])

E = np.dot(A,B) # 矩陣乘法

輸出：

array([[5, 4],

  [3, 4]])

多維數(shù)組操作過程中的類型轉(zhuǎn)換

When operating with arrays of different types, the type of the resulting array corresponds to the more general or precise one (a behavior known as upcasting)

即操作不同類型的多維數(shù)組時(shí)，結(jié)果自動(dòng)轉(zhuǎn)換為精度更高類型的數(shù)組，即upcasting

a = np.ones((2,3),dtype=int)  # int32

b = np.random.random((2,3))  # float64

b += a # 正確 

a += b # 錯(cuò)誤

a = np.ones(3,dtype=np.int32)

b = np.linspace(0,pi,3)

c = a + b

d = np.exp(c*1j)

輸出：

array([ 0.54030231+0.84147098j, -0.84147098+0.54030231j,

  -0.54030231-0.84147098j])

d.dtype.name

輸出：

 'complex128'

多維數(shù)組的一元操作，如求和、求最小值、較大值等

a = np.random.random((2,3))

a.sum()

a.min()

a.max()

 

 

b = np.arange(12).reshape(3,4)

輸出：

array([[ 0, 1, 2, 3],

  [ 4, 5, 6, 7],

  [ 8, 9, 10, 11]])

b.sum(axis=0) # 按列求和

輸出：

array([12, 15, 18, 21])

b.sum(axis=1) # 按行求和

輸出：

array([ 6, 22, 38])

b.cumsum(axis=0) # 按列進(jìn)行元素累加

輸出：

array([[ 0, 1, 2, 3],

  [ 4, 6, 8, 10],

  [12, 15, 18, 21]])

b.cumsum(axis=1) # 按行進(jìn)行元素累加

輸出：

array([[ 0, 1, 3, 6],

  [ 4, 9, 15, 22],

  [ 8, 17, 27, 38]]) 


universal functions


B = np.arange(3)

np.exp(B)

np.sqrt(B)

C = np.array([2.,-1.,4.])

np.add(B,C)

其他的ufunc函數(shù)包括：

all, any, apply_along_axis, argmax, argmin, argsort, average, bincount, ceil, clip, conj, corrcoef, cov, cross, cumprod, cumsum, diff, dot, floor,inner, lexsort, max, maximum, mean, median, min, minimum, nonzero, outer, prod, re, round, sort, std, sum, trace, transpose, var,vdot, vectorize, where

關(guān)于Python中numpy多維數(shù)組的使用案例就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，可以學(xué)到更多知識。如果覺得文章不錯(cuò)，可以把它分享出去讓更多的人看到。

網(wǎng)站題目：Python中numpy多維數(shù)組的使用案例-創(chuàng)新互聯(lián)
本文URL：http://jinyejixie.com/article42/deoihc.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站策劃、定制網(wǎng)站、外貿(mào)建站、小程序開發(fā)、做網(wǎng)站、網(wǎng)站收錄

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)