NumPy学习_02 ndarray基本操作

1.算术运算符

它们只用于位置相同的元素之间，即为元素级的运算。
所得到的运算结果组成一个新的数组。
不用编写循环即可对数据执行批量运算。（矢量化）

import numpy as np

# 创建一个数组
a = np.arange(4)
print('数组a ', a)

# 加上一个标量
print('加标量', a + 4)

# 乘以一个标量
print('乘标量', a * 2)

数组a  [0 1 2 3]
加标量 [4 5 6 7]
乘标量 [0 2 4 6]

b = np.arange(4, 8)
print('数组b ', b)

print('a + b ', a + b)
print('a - b ', a - b)
print('a * b ', a * b)

数组b  [4 5 6 7]
a + b  [ 4  6  8 10]
a - b  [-4 -4 -4 -4]
a * b  [ 0  5 12 21]

这些运算符还使用于返回值为NumPy数组的函数。

# 数组a乘以数组b的正弦值
print(a * np.sin(b))

print('-------------------------------------------------')

# 数组a乘以数组b的平方根
print(a * np.sqrt(b))

[-0.         -0.95892427 -0.558831    1.9709598 ]
-------------------------------------------------
[0.         2.23606798 4.89897949 7.93725393]

对于多维数组，这些运算符仍然是元素级的。

A = np.arange(0, 9).reshape(3,3)
print('数组A：')
print(A)

B = np.ones((3, 3))
B[1][1] = 2.5
print('数组B：')
print(B)

print('A*B：')
print(A*B)

数组A：
[[0 1 2]
 [3 4 5]
 [6 7 8]]
数组B：
[[1.  1.  1. ]
 [1.  2.5 1. ]
 [1.  1.  1. ]]
A*B：
[[ 0.  1.  2.]
 [ 3. 10.  5.]
 [ 6.  7.  8.]]

2.矩阵积（mastrix produet）

NumPy用dot()函数表示这类乘法，该运算不是元素级的。
所得到的数组中每个元素为，第一个矩阵中与该元素行号相同的元素与第二个矩阵中与该元素列号相同的元素，两两相乘后再求和。
设A为m x n的矩阵，B为p x n的矩阵,则dot(A,B)为m x n的矩阵。
假设dot(A, B)得到数组C，则C中的第1行第1列的元素为 3 x 1.0 + 4 x 2.5 + 5 x 1.0 = 18.0
矩阵计算不遵循交换律。即dot(A,B)不等于dot(B,A)

C = np.dot(A, B)
# 另一种写法 C = A.dot(B)
print('dot(A,B)结果：')
print(C)

C1 = np.dot(B,A)
print('dot(B,A)结果：')
print(C1)

dot(A,B)结果：
[[ 3.   4.5  3. ]
 [12.  18.  12. ]
 [21.  31.5 21. ]]
dot(B,A)结果：
[[ 9.  12.  15. ]
 [13.5 18.  22.5]
 [ 9.  12.  15. ]]

3.自增和自减运算符

运算结果不是赋给一个新数组。
当想修改数组的值而不想生成新数组时可以使用它们。

a = np.arange(4)
print('原数组', a)

a += 1
print('自加1 ', a)

a -= 3
print('自减3 ', a)

原数组 [0 1 2 3]
自加1  [1 2 3 4]
自减3  [-2 -1  0  1]

4.通用函数（ufunc = universal function）

它对数组中的各个元素逐一进行操作。
通用函数分别处理输入数组的每个元素，生成的结果组成一个新的输出数组。
三角函数等很多数学运算符符合通用函数的定义。

a = np.array([0, 1, 2, 3, 4])
print(np.sqrt(a)) # 计算平方根

[0.         1.         1.41421356 1.73205081 2.        ]

5.聚合函数

聚合函数是指对一组值（如数组）进行操作，返回一个单一值作为结果的函数。

a = np.array([3.3, 4.5, 1.2, 5.7, 0.3])
print('总和：  ', a.sum())
print('最小值：', a.min())
print('最大值：', a.max())
print('平均值：', a.mean())
print('标准差：', a.std())

总和：   15.0
最小值： 0.3
最大值： 5.7
平均值： 3.0
标准差： 2.0079840636817816