“广播机制:通过扩展实现数组运算”的版本间的差异
来自CloudWiki
(→numpy数组的广播机制) |
(→numpy数组的广播机制) |
||
第39行: | 第39行: | ||
[[6. 7. 6.] | [[6. 7. 6.] | ||
[6. 7. 6.]]|} | [6. 7. 6.]]|} | ||
− | |||
{| class="wikitable" | {| class="wikitable" | ||
|- | |- | ||
− | | a=np.array([[ 1., | + | |<br>import numpy as np |
− | + | <br>a = np.array([[1.,2.,1.],[1.,2.,1.],[1.,2.,1.]]) | |
− | + | <br>b = np.array([[3.],[2.],[1.]]) | |
− | b=np.array([[3.], | + | <br>print(a+b) | |
− | |||
− | |||
− | print(a+b) | | ||
|- | |- | ||
− | |[[ | + | |[[4. 5. 4.] |
− | [ | + | [3. 4. 3.] |
− | + | [2. 3. 2.]] |} | |
− | [ |
2020年5月16日 (六) 12:41的版本
numpy数组的广播机制
- 注意numpy里数组之间的运算和线性代数中的矩阵运算是不一样的
- 同纬度和形状的数组之间就是同位置的元素两两匹配运算的结果
import numpy as np
a=np.array([[ 1., 2., 1.], [ 1., 2., 1.]])
b=np.array([[ 1., 2., 3.], [ 1., 2., 3.]])
print(a.shape,b.shape)
>>>(2, 3) (2, 3)
print(a+b)
>>>array([[ 2., 4., 4.],[ 2., 4., 4.]])
print(a*b)
>>>array([[ 1., 4., 3.],[ 1., 4., 3.]])
print(a-b)
>>>array([[ 0., 0., -2.],[ 0., 0., -2.]])
print(a**b)
>>>array([[ 1., 4., 1.],[ 1., 4., 1.]])
- 当两个数组其中一个的维度少于另外一个的时候
少的数组在某一个轴(或是多个轴)的方向缺失数据,缺数据的那个方向只能有1个元素(或是一行,一面)作为复制蓝本,然后依照轴的方向复制,复制数由多的那个数组的大小决定
- 注意:如果是列和行其中之一有空缺是可以通过复制来运算的。
但是蓝本不能有缺或者多,即行和列都不完整。
import numpy as np
| ||
[[6 7 6]
[6 7 6]] [[6. 7. 6.] [6. 7. 6.]]|}
|