第一種
np矩陣可以直接與標(biāo)量運算
>>>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某個子數(shù)組維度相同，那么可以相互作運算。
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)加大時很難想象是怎樣按不同維度求和的，高清楚一個，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個維度與第2個維度是一樣的，第-1個維度實際是指最后一個維度。
以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。
您可能感興趣的文章:- numpy 聲明空數(shù)組詳解
- Numpy將二維數(shù)組添加到空數(shù)組的實現(xiàn)
- 在NumPy中創(chuàng)建空數(shù)組/矩陣的方法
- NumPy實現(xiàn)ndarray多維數(shù)組操作
- 如何在向量化NumPy數(shù)組上進(jìn)行移動窗口
- 如何將numpy二維數(shù)組中的np.nan值替換為指定的值
- 解決numpy數(shù)組互換兩行及賦值的問題
- python numpy.power()數(shù)組元素求n次方案例
- Python 用NumPy創(chuàng)建二維數(shù)組的案例
- Numpy ndarray 多維數(shù)組對象的使用
- 淺談Python numpy創(chuàng)建空數(shù)組的問題
