Python 教程之 Numpy(9)—— 二元运算

简介: Python 教程之 Numpy(9)—— 二元运算

二元运算符作用于位,进行逐位运算。二元运算只是组合两个值以创建新值的规则。

numpy.bitwise_and(): 此函数用于计算两个数组元素的按位与。 此函数计算输入数组中整数的底层二进制表示的按位与。

代码#1:

# 解释 bitwise_and() 函数的 Python 程序
import numpy as geek
in_num1 = 10
in_num2 = 11
print ("Input  number1 : ", in_num1)
print ("Input  number2 : ", in_num2) 
out_num = geek.bitwise_and(in_num1, in_num2) 
print ("bitwise_and of 10 and 11 : ", out_num) 

在 IDE 上运行

输出 :

Input  number1 :  10
Input  number2 :  11
bitwise_and of 10 and 11 :  10

代码#2:

# 解释 bitwise_and() 函数的 Python 程序
import numpy as geek
in_arr1 = [2, 8, 125]
in_arr2 = [3, 3, 115]
print ("Input array1 : ", in_arr1) 
print ("Input array2 : ", in_arr2)
out_arr = geek.bitwise_and(in_arr1, in_arr2) 
print ("Output array after bitwise_and: ", out_arr) 

在 IDE 上运行

输出 :

Input array1 :  [2, 8, 125]
Input array2 :  [3, 3, 115]
Output array after bitwise_and:  [  2   0 113]

numpy.bitwise_or(): 此函数用于计算两个数组元素的按位或。 此函数计算输入数组中整数的底层二进制表示的按位或。

代码#1:

# 解释 bitwise_or() 函数的 Python 程序
import numpy as geek
in_num1 = 10
in_num2 = 11
print ("Input  number1 : ", in_num1)
print ("Input  number2 : ", in_num2) 
out_num = geek.bitwise_or(in_num1, in_num2) 
print ("bitwise_or of 10 and 11 : ", out_num) 

在 IDE 上运行

输出 :

Input  number1 :  10
Input  number2 :  11
bitwise_or of 10 and 11 :  11

代码#2:

# 解释 bitwise_or() 函数的 Python 程序
import numpy as geek
in_arr1 = [2, 8, 125]
in_arr2 = [3, 3, 115]
print ("Input array1 : ", in_arr1) 
print ("Input array2 : ", in_arr2)
out_arr = geek.bitwise_or(in_arr1, in_arr2) 
print ("Output array after bitwise_or: ", out_arr) 

在 IDE 上运行

输出 :

Input array1 :  [2, 8, 125]
Input array2 :  [3, 3, 115]
Output array after bitwise_or:  [  3  11 127]

numpy.bitwise_xor(): 此函数用于计算两个数组元素的按位异或。 此函数计算输入数组中整数的底层二进制表示的按位异或。

代码#1:

# 解释 bitwise_xor() 函数的 Python 程序
import numpy as geek
in_num1 = 10
in_num2 = 11
print ("Input  number1 : ", in_num1)
print ("Input  number2 : ", in_num2) 
out_num = geek.bitwise_xor(in_num1, in_num2) 
print ("bitwise_xor of 10 and 11 : ", out_num) 

在 IDE 上运行

输出 :

Input  number1 :  10
Input  number2 :  11
bitwise_xor of 10 and 11 :  1

 

代码#2:

# 解释 bitwise_xor() 函数的 Python 程序
import numpy as geek
in_arr1 = [2, 8, 125]
in_arr2 = [3, 3, 115]
print ("Input array1 : ", in_arr1) 
print ("Input array2 : ", in_arr2)
out_arr = geek.bitwise_xor(in_arr1, in_arr2) 
print ("Output array after bitwise_xor: ", out_arr) 

在 IDE 上运行

输出 :

Input array1 :  [2, 8, 125]
Input array2 :  [3, 3, 115]
Output array after bitwise_xor:  [ 1 11 14]

numpy.invert(): 此函数用于计算数组元素的按位反转。 它计算输入数组中整数的底层二进制表示的按位 NOT。

对于有符号整数输入,返回二进制补码。在二进制补码系统中,负数由绝对值的二进制补码表示。

代码#1:

# 解释 invert() 函数的 Python 程序
import numpy as geek
in_num = 10
print ("Input  number : ", in_num)
out_num = geek.invert(in_num) 
print ("inversion of 10 : ", out_num) 

在 IDE 上运行

输出 :

Input  number :  10
inversion of 10 :  -11

代码#2:

# 解释 invert() 函数的 Python 程序
import numpy as geek
in_arr = [2, 0, 25]
print ("Input array : ", in_arr)
out_arr = geek.invert(in_arr) 
print ("Output array after inversion: ", out_arr) 

在 IDE 上运行

输出 :

Input array :  [2, 0, 25]
Output array after inversion:  [ -3  -1 -26]

numpy.left_shift(): 此函数用于将整数的位向左移动。通过在 arr1 的右侧附加 arr2 0s(零)来向左移动位。由于数字的内部表示是二进制格式,所以这个操作相当于 arr1 乘以 2**arr2。例如,如果数字是 5,我们想要左移 2 位,那么在左移 2 位之后,结果将是 5*(2^2) = 20

代码#1:

# 解释 left_shift() 函数的 Python 程序
import numpy as geek
in_num = 5
bit_shift = 2
print ("Input  number : ", in_num)
print ("Number of bit shift : ", bit_shift ) 
out_num = geek.left_shift(in_num, bit_shift) 
print ("After left shifting 2 bit  : ", out_num) 

在 IDE 上运行

输出 :

Input  number :  5
Number of bit shift :  2
After left shifting 2 bit  :  20

代码#2:

# 解释 left_shift() 函数的 Python 程序
import numpy as geek
in_arr = [2, 8, 15]
bit_shift =[3, 4, 5]
print ("Input array : ", in_arr) 
print ("Number of bit shift : ", bit_shift)
out_arr = geek.left_shift(in_arr, bit_shift) 
print ("Output array after left shifting: ", out_arr) 

在 IDE 上运行

输出 :

Input array :  [2, 8, 15]
Number of bit shift :  [3, 4, 5]
Output array after left shifting:  [ 16 128 480]

numpy.right_shift(): 该函数用于将整数的位右移。由于数字的内部表示是二进制格式,因此该操作相当于将 arr1 除以 2**arr2。例如,如果数字是 20,我们想要右移 2 位,那么在右移 2 位之后,结果将是 20/(2^2) = 5。

代码#1:

# 解释 right_shift() 函数的 Python 程序
import numpy as geek
in_num = 20
bit_shift = 2
print ("Input  number : ", in_num)
print ("Number of bit shift : ", bit_shift ) 
out_num = geek.right_shift(in_num, bit_shift) 

在 IDE 上运行

输出 :

Input  number :  20
Number of bit shift :  2
After right shifting 2 bit  :  5

代码#2:

# 解释 right_shift() 函数的 Python 程序
import numpy as geek
in_arr = [24, 48, 16]
bit_shift =[3, 4, 2]
print ("Input array : ", in_arr) 
print ("Number of bit shift : ", bit_shift)
out_arr = geek.right_shift(in_arr, bit_shift) 
print ("Output array after right shifting: ", out_arr) 


在 IDE 上运行

输出 :

Input array :  [24, 48, 16]
Number of bit shift :  [3, 4, 2]
Output array after right shifting:  [3 3 4]

numpy.binary_repr(number, width=None): 该函数用于将输入数字的二进制形式表示为字符串。对于负数,如果未给出宽度,则在前面添加一个减号。如果给出了宽度,则返回与该宽度相关的数字的二进制补码。

在二进制补码系统中,负数由绝对值的二进制补码表示。这是在计算机上表示有符号整数的最常用方法。

代码#1:

# 解释 binary_repr() 函数的 Python 程序
import numpy as geek
in_num = 10
print ("Input  number : ", in_num)
out_num = geek.binary_repr(in_num) 
print ("binary representation of 10 : ", out_num) 

在 IDE 上运行

输出 :

Input  number :  10
binary representation of 10 :  1010

代码#2:

# 解释 binary_repr() 函数的 Python 程序
import numpy as geek
in_arr = [5, -8 ]
print ("Input array : ", in_arr) 
# 不使用宽度参数的第一个数组元素的二进制表示
out_num = geek.binary_repr(in_arr[0])
print("Binary representation of 5")
print ("Without using width parameter : ", out_num) 
# 使用宽度参数的第一个数组元素的二进制表示
out_num = geek.binary_repr(in_arr[0], width = 5)
print ("Using width parameter: ", out_num) 
print("\nBinary representation of -8")
# 不使用宽度参数的第二个数组元素的二进制表示
out_num = geek.binary_repr(in_arr[1])
print ("Without using width parameter : ", out_num) 
# 使用宽度参数的第二个数组元素的二进制表示
out_num = geek.binary_repr(in_arr[1], width = 5)
print ("Using width parameter : ", out_num) 


在 IDE 上运行

输出 :

Input array :  [5, -8]
Binary representation of 5 
Without using width parameter :  101
Using width parameter:  00101
Binary representation of -8  
Without using width parameter :  -1000
Using width parameter :  11000

numpy.packbits(myarray, axis=None) : 此函数用于将二进制值数组的元素打包成 uint8 数组中的位。通过在末尾插入零位将结果填充到完整字节。

代码#1:

# 解释 packbits() 函数的 Python 程序
import numpy as np
# 使用数组函数创建数组
a = np.array([[[1,0,1],
             [0,1,0]],
             [[1,1,0],
             [0,0,1]]])
# 使用 packbits() 函数打包数组的元素
b = np.packbits(a, axis=-1)
print(b)

在 IDE 上运行

输出 :

[[[160],[64]],[[192],[32]]]

numpy.unpackbits(myarray, axis=None) : 此函数用于将 uint8 数组的元素解包为二进制值输出数组。 myarray 的每个元素表示应解包为二进制值输出数组的位字段. 输出数组的形状是一维的(如果轴为无)或与输入数组的形状相同,并沿指定的轴进行解包。

代码#1:

# 解释 unpackbits() 函数的 Python 程序
import numpy as np
# 使用数组函数创建数组
a = np.array([[2], [7], [23]], dtype=np.uint8)
# 使用 packbits() 函数打包数组的元素
b = np.unpackbits(a, axis = 1)
print(b)

在 IDE 上运行

输出 :

[[0, 0, 0, 0, 0, 0, 1, 0],
 [0, 0, 0, 0, 0, 1, 1, 1],
 [0, 0, 0, 1, 0, 1, 1, 1]]


目录
相关文章
|
4月前
|
存储 Java 数据处理
(numpy)Python做数据处理必备框架!(一):认识numpy;从概念层面开始学习ndarray数组:形状、数组转置、数值范围、矩阵...
Numpy是什么? numpy是Python中科学计算的基础包。 它是一个Python库,提供多维数组对象、各种派生对象(例如掩码数组和矩阵)以及用于对数组进行快速操作的各种方法,包括数学、逻辑、形状操作、排序、选择、I/0 、离散傅里叶变换、基本线性代数、基本统计运算、随机模拟等等。 Numpy能做什么? numpy的部分功能如下: ndarray,一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组 用于对整组数据进行快速运算的标准数学函数(无需编写循环)。 用于读写磁盘数据的工具以及用于操作内存映射文件的工具。 线性代数、随机数生成以及傅里叶变换功能。 用于集成由C、C++
468 0
|
4月前
|
Java 数据处理 索引
(numpy)Python做数据处理必备框架!(二):ndarray切片的使用与运算;常见的ndarray函数:平方根、正余弦、自然对数、指数、幂等运算;统计函数:方差、均值、极差;比较函数...
ndarray切片 索引从0开始 索引/切片类型 描述/用法 基本索引 通过整数索引直接访问元素。 行/列切片 使用冒号:切片语法选择行或列的子集 连续切片 从起始索引到结束索引按步长切片 使用slice函数 通过slice(start,stop,strp)定义切片规则 布尔索引 通过布尔条件筛选满足条件的元素。支持逻辑运算符 &、|。
286 0
|
5月前
|
数据采集 存储 XML
Python爬虫技术:从基础到实战的完整教程
最后强调: 父母法律法规限制下进行网络抓取活动; 不得侵犯他人版权隐私利益; 同时也要注意个人安全防止泄露敏感信息.
885 19
|
4月前
|
索引 Python
Python 列表切片赋值教程:掌握 “移花接木” 式列表修改技巧
本文通过生动的“嫁接”比喻,讲解Python列表切片赋值操作。切片可修改原列表内容,实现头部、尾部或中间元素替换,支持不等长赋值,灵活实现列表结构更新。
224 1
|
6月前
|
机器学习/深度学习 API 异构计算
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程
JAX是Google开发的高性能数值计算库,旨在解决NumPy在现代计算需求下的局限性。它不仅兼容NumPy的API,还引入了自动微分、GPU/TPU加速和即时编译(JIT)等关键功能,显著提升了计算效率。JAX适用于机器学习、科学模拟等需要大规模计算和梯度优化的场景,为Python在高性能计算领域开辟了新路径。
618 0
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程
|
5月前
|
数据采集 存储 JSON
使用Python获取1688商品详情的教程
本教程介绍如何使用Python爬取1688商品详情信息,涵盖环境配置、代码编写、数据处理及合法合规注意事项,助你快速掌握商品数据抓取与保存技巧。
|
6月前
|
存储 数据采集 数据处理
Pandas与NumPy:Python数据处理的双剑合璧
Pandas与NumPy是Python数据科学的核心工具。NumPy以高效的多维数组支持数值计算,适用于大规模矩阵运算;Pandas则提供灵活的DataFrame结构,擅长处理表格型数据与缺失值。二者在性能与功能上各具优势,协同构建现代数据分析的技术基石。
552 0
|
6月前
|
并行计算 算法 Java
Python3解释器深度解析与实战教程:从源码到性能优化的全路径探索
Python解释器不止CPython,还包括PyPy、MicroPython、GraalVM等,各具特色,适用于不同场景。本文深入解析Python解释器的工作原理、内存管理机制、GIL限制及其优化策略,并介绍性能调优工具链及未来发展方向,助力开发者提升Python应用性能。
425 0
|
6月前
|
数据采集 索引 Python
Python Slice函数使用教程 - 详解与示例 | Python切片操作指南
Python中的`slice()`函数用于创建切片对象,以便对序列(如列表、字符串、元组)进行高效切片操作。它支持指定起始索引、结束索引和步长,提升代码可读性和灵活性。
|
5月前
|
数据采集 机器学习/深度学习 人工智能
Python:现代编程的首选语言
Python:现代编程的首选语言
610 102

热门文章

最新文章

推荐镜像

更多