numpy之数组运算

数组内部元素运算

数组之逻辑运算

可以直接对数组进行逻辑判断，会返回相应的bool类型数组

t1 = np.random.randint(40, 100, (10, 5))
print(t1)
print(t1 > 60)
t1[t1 > 60] = 1
print(t1)

通用判断函数

• np.all()

• #判断数组中的元素是否全大于60
  print(np.all(t1 > 60))
  

  

• np.any()

• #判断数组中的元素是否有大于60的
  print(np.any(t1 > 60))
  

  

三元运算符

• np.where()

• t1 = np.random.randint(40, 100, (10, 5))
  print(t1)
  # 数组元素大于60的置为1，不大于60的元素置为0
  print(np.where(t1 > 60, 1, 0))
  

  

• 复合逻辑需要结合np.logical_and和np.logical_or使用

• t1 = np.random.randint(40, 100, (10, 5))
  print(t1)
  # 数组中满足大于60且小于90的元素置为1，不满足的元素置为0
  print(np.where(np.logical_and(t1 > 60, t1 < 90), 1, 0))
  # 数组中满足大于60或小于90的元素置为1，不满足的元素置为0
  print(np.where(np.logical_or(t1 > 60, t1 < 90), 1, 0))
  

数组之统计运算

• np.min(a,axis)—取最小
• np.max(a,axis)—取最大
• np.median(a,axis,dtype)—取中位数
• np.mean(a,axis,dtype)—取平均值
• np.std(a,axis,dtype)—取标准差
• np.var(a,axis,dtype)—方差

数组之间的运算

数组与数之间的运算

会作用到数组中的每一个元素上。

t1 = np.array([[1, 2, 3], [3, 4, 5]])
print(t1)
print(t1+3)
print(t1/2)
print(t1*3)

数组与数组之间的运算

广播机制

数组在进行矢量化运算时，要求数组的形状是相等的。当形状不相等的数组执行算术运算的时候，就会出现广播机制，该机制会对数组进行扩展，使数组的shape属性值相同，这样，就可以进行矢量化运算了。

arr1 = np.array([[0], [1], [2], [3]])
print(arr1.shape)
arr2 = np.array([1, 2, 3])
print(arr2.shape)
print(arr1 + arr2)

上述代码中，数组arr1是4行1列，arr2是1行3列。这两个数组要进行相加，按照广播机制会对数组arr1和arr2都进行扩展，使数组arr1和arr2都变成4行3列。

广播机制实现了两个或两个以上的运算，即使这些数组的shape不是完全相同的，只需要满足如下任意一个条件即可。

• 数组的某一个维度等长。
• 其中一个数组的某一个维度为1.

广播机制需要扩展维度小的数组，使得它与维度最大的数组的shape值相同，以便使用元素级函数或者运算符进行运算。