【Python学习笔记】23:numpy的add和multiply

2023-12-09 15:19

本文主要是介绍【Python学习笔记】23:numpy的add和multiply,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

add和multiply是numpy里比较常用的两种运算,分别是加法和乘法运算。

加法运算

>>> np.add.accumulate([1,2,3]) #累加
array([1, 3, 6], dtype=int32)

累加np.add.accumulate()适用于python序列(串不行)和numpy数组,每一个位置的元素和前面的所有元素加起来求和,得到的始终是numpy数组。

>>> np.add.reduce([1,2,3,4,5]) #连加
15

连加np.add.reduce()是将所有元素加在一起求和。

>>> x=np.array([1,2,3,4])
>>> np.add.at(x,[0,2],3)
>>> x
array([4, 2, 6, 4])

np.add.at()是将传入的数组中制定下标位置的元素加上指定的值,如上面是将x中下标为0和为2的元素加上了3,这会改变传入的数组x。

>>> np.add.outer([1,2,3],[4,5,6,7])
array([[ 5,  6,  7,  8],[ 6,  7,  8,  9],[ 7,  8,  9, 10]])

np.add.outer()将第一个列表或数组中的每个元素依次加到第二个列表或数组中的每个元素,得到每一行。

>>> x=np.arange(8)
>>> x
array([0, 1, 2, 3, 4, 5, 6, 7])
>>> np.add.reduceat(x,[0,4,1,5,2,6,3,7]) #在各切片上作reduce运算
array([ 6,  4, 10,  5, 14,  6, 18,  7], dtype=int32)

np.add.reduceat()对于传入的数组,根据传入的list(第二个参数)作指定的变化,传入的list中的数字是成对出现的。如上面的例子中是将x中0,4部分切片作np.add.reduce()运算(也就是连加),放在第一个位置,然后第二个位置就是下标4在x中的值,也就是4,以此类推。

>>> x=np.linspace(0,15,16).reshape(4,4)
>>> x
array([[  0.,   1.,   2.,   3.],[  4.,   5.,   6.,   7.],[  8.,   9.,  10.,  11.],[ 12.,  13.,  14.,  15.]])
>>> np.add.reduceat(x,[0,3,1])
array([[ 12.,  15.,  18.,  21.],[ 12.,  13.,  14.,  15.],[ 24.,  27.,  30.,  33.]])

这个例子是对于二维数组的reduceat的用法,0->3是一个切片,1->默认下界是一个切片,所以所得第0行为原来的第0行+第1行+第2行,所得第1行为原来的第3行,所得第2行为原来的第1行+至默认结尾,也就是第1行+第2行+第3行。

总的来说,redeceat函数传入的indices参数列表中的每个元素要看它后面的元素是不是比它大,如果比它大,作两者间的切片reduce,反之,它自己对应的元素即是该处结果。对于最后一个参数,因为其后已经没有元素,我们规定最后一项为从该参数到默认结尾作reduce连加。可以看下面这个例子。

>>> np.add.reduceat(x,[0,3,1,1])
array([[ 12.,  15.,  18.,  21.],[ 12.,  13.,  14.,  15.],[  4.,   5.,   6.,   7.],[ 24.,  27.,  30.,  33.]])

四行分别是原来的0->3切片,3行,1行,1->默认切片。

>>> np.add.reduceat(x,[0,3,1,3],axis=1) #对列进行计算
array([[  3.,   3.,   3.,   3.],[ 15.,   7.,  11.,   7.],[ 27.,  11.,  19.,  11.],[ 39.,  15.,  27.,  15.]])

可以看到它还有一个默认参数axis=0表示对行进行计算,上面的例子中axis为1表示对列进行计算,从左到右的四列分别是原来的0->3列切片,3列,1->3列切片,3列。

乘法运算

>>> x=np.arange(8)
>>> x
array([0, 1, 2, 3, 4, 5, 6, 7])
>>> np.multiply.at(x,[0,1,2],5)
>>> x
array([ 0,  5, 10,  3,  4,  5,  6,  7])

乘法与加法的几个函数用法很相似,np.multiply.at()表示将某个数组中的制定下标元素乘以指定值,如上面是对x中下标为0,1,2的元素都乘以了5。这会改变原数组。

>>> np.multiply.accumulate([1,2,3,4])
array([ 1,  2,  6, 24], dtype=int32)

np.multiply.accumulate()表示累乘,每个元素和它前面的所有元素相乘,返回新的数组。

>>> np.multiply.outer([1,2,3],[4,5,6])
array([[ 4,  5,  6],[ 8, 10, 12],[12, 15, 18]])

np.multiply.outer()表示将第一个列表或数组中的每个元素依次乘到第二个列表或数组中的每个元素,得到每一行。

>>> np.multiply.reduce([1,2,3,4])
24

np.multiply.reduce表示连乘,所有元素相乘。对于二维的数组,还有下面的用法。

>>> np.multiply.reduce([[1,2,3,4],[5,6,7,8]])
array([ 5, 12, 21, 32])

这表示纵向的(外部)reduce,每个子数组的对应子元素相乘,得到新的数组。

>>> np.multiply.reduce([[1,2,3,4],[5,6,7,8]],axis=1)
array([  24, 1680])

这表示横向的(内部)reduce,每个子数组自己作reduce即可。

>>> x=np.linspace(0,15,16).reshape(4,4)
>>> x
array([[  0.,   1.,   2.,   3.],[  4.,   5.,   6.,   7.],[  8.,   9.,  10.,  11.],[ 12.,  13.,  14.,  15.]])
>>> np.multiply.reduceat(x,[0,3,1])
array([[    0.,    45.,   120.,   231.],[   12.,    13.,    14.,    15.],[  384.,   585.,   840.,  1155.]])

和add的reduceat用法一样,这三行分别是原来行的0->3切片,3行,1->默认结尾切片。

>>> np.multiply.reduceat(x,[0,3,1],axis=1)
array([[    0.,     3.,     6.],[  120.,     7.,   210.],[  720.,    11.,   990.],[ 2184.,    15.,  2730.]])

这三列分别是原来列的0->3切片,3列,1->默认结尾切片。multiply的reduceat函数作的都是外部的reduce。

这篇关于【Python学习笔记】23:numpy的add和multiply的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/474165

相关文章

Python MySQL如何通过Binlog获取变更记录恢复数据

《PythonMySQL如何通过Binlog获取变更记录恢复数据》本文介绍了如何使用Python和pymysqlreplication库通过MySQL的二进制日志(Binlog)获取数据库的变更记录... 目录python mysql通过Binlog获取变更记录恢复数据1.安装pymysqlreplicat

利用Python编写一个简单的聊天机器人

《利用Python编写一个简单的聊天机器人》这篇文章主要为大家详细介绍了如何利用Python编写一个简单的聊天机器人,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 使用 python 编写一个简单的聊天机器人可以从最基础的逻辑开始,然后逐步加入更复杂的功能。这里我们将先实现一个简单的

基于Python开发电脑定时关机工具

《基于Python开发电脑定时关机工具》这篇文章主要为大家详细介绍了如何基于Python开发一个电脑定时关机工具,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1. 简介2. 运行效果3. 相关源码1. 简介这个程序就像一个“忠实的管家”,帮你按时关掉电脑,而且全程不需要你多做

Python实现高效地读写大型文件

《Python实现高效地读写大型文件》Python如何读写的是大型文件,有没有什么方法来提高效率呢,这篇文章就来和大家聊聊如何在Python中高效地读写大型文件,需要的可以了解下... 目录一、逐行读取大型文件二、分块读取大型文件三、使用 mmap 模块进行内存映射文件操作(适用于大文件)四、使用 pand

python实现pdf转word和excel的示例代码

《python实现pdf转word和excel的示例代码》本文主要介绍了python实现pdf转word和excel的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价... 目录一、引言二、python编程1,PDF转Word2,PDF转Excel三、前端页面效果展示总结一

Python xmltodict实现简化XML数据处理

《Pythonxmltodict实现简化XML数据处理》Python社区为提供了xmltodict库,它专为简化XML与Python数据结构的转换而设计,本文主要来为大家介绍一下如何使用xmltod... 目录一、引言二、XMLtodict介绍设计理念适用场景三、功能参数与属性1、parse函数2、unpa

Python中使用defaultdict和Counter的方法

《Python中使用defaultdict和Counter的方法》本文深入探讨了Python中的两个强大工具——defaultdict和Counter,并详细介绍了它们的工作原理、应用场景以及在实际编... 目录引言defaultdict的深入应用什么是defaultdictdefaultdict的工作原理

numpy求解线性代数相关问题

《numpy求解线性代数相关问题》本文主要介绍了numpy求解线性代数相关问题,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧... 在numpy中有numpy.array类型和numpy.mat类型,前者是数组类型,后者是矩阵类型。数组

Python中@classmethod和@staticmethod的区别

《Python中@classmethod和@staticmethod的区别》本文主要介绍了Python中@classmethod和@staticmethod的区别,文中通过示例代码介绍的非常详细,对大... 目录1.@classmethod2.@staticmethod3.例子1.@classmethod

Python手搓邮件发送客户端

《Python手搓邮件发送客户端》这篇文章主要为大家详细介绍了如何使用Python手搓邮件发送客户端,支持发送邮件,附件,定时发送以及个性化邮件正文,感兴趣的可以了解下... 目录1. 简介2.主要功能2.1.邮件发送功能2.2.个性签名功能2.3.定时发送功能2. 4.附件管理2.5.配置加载功能2.6.