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
|
10天前
|
数据可视化 DataX Python
Seaborn 教程-绘图函数
Seaborn 教程-绘图函数
40 8
|
10天前
Seaborn 教程-主题(Theme)
Seaborn 教程-主题(Theme)
30 7
|
10天前
|
Python
Seaborn 教程-模板(Context)
Seaborn 教程-模板(Context)
33 4
|
10天前
|
数据可视化 Python
Seaborn 教程
Seaborn 教程
26 5
|
1月前
|
Python
SciPy 教程 之 Scipy 显著性检验 9
SciPy 教程之 Scipy 显著性检验第9部分,介绍了显著性检验的基本概念、作用及原理,通过样本信息判断假设是否成立。着重讲解了使用scipy.stats模块进行显著性检验的方法,包括正态性检验中的偏度和峰度计算,以及如何利用normaltest()函数评估数据是否符合正态分布。示例代码展示了如何计算一组随机数的偏度和峰度。
28 1
|
1月前
|
BI Python
SciPy 教程 之 Scipy 显著性检验 8
本教程介绍SciPy中显著性检验的应用,包括如何利用scipy.stats模块进行显著性检验,以判断样本与总体假设间的差异是否显著。通过示例代码展示了如何使用describe()函数获取数组的统计描述信息,如观测次数、最小最大值、均值、方差等。
29 1
|
1月前
|
数据采集 数据可视化 数据挖掘
深入浅出:使用Python进行数据分析的基础教程
【10月更文挑战第41天】本文旨在为初学者提供一个关于如何使用Python语言进行数据分析的入门指南。我们将通过实际案例,了解数据处理的基本步骤,包括数据的导入、清洗、处理、分析和可视化。文章将用浅显易懂的语言,带领读者一步步掌握数据分析师的基本功,并在文末附上完整的代码示例供参考和实践。
|
1月前
|
Python
SciPy 教程 之 Scipy 显著性检验 6
显著性检验是统计学中用于判断样本与总体假设间是否存在显著差异的方法。SciPy的scipy.stats模块提供了执行显著性检验的工具,如T检验,用于比较两组数据的均值是否来自同一分布。通过ttest_ind()函数,可以获取两样本的t统计量和p值,进而判断差异是否显著。示例代码展示了如何使用该函数进行T检验并输出结果。
29 1
|
1月前
|
机器学习/深度学习 存储 数据挖掘
Python 编程入门:理解变量、数据类型和基本运算
【10月更文挑战第43天】在编程的海洋中,Python是一艘易于驾驭的小船。本文将带你启航,探索Python编程的基础:变量的声明与使用、丰富的数据类型以及如何通过基本运算符来操作它们。我们将从浅显易懂的例子出发,逐步深入到代码示例,确保即使是零基础的读者也能跟上步伐。准备好了吗?让我们开始吧!
29 0
|
1月前
|
Python
SciPy 教程 之 Scipy 显著性检验 5
显著性检验用于判断样本与总体假设间的差异是否由随机变异引起,或是假设与真实情况不符所致。SciPy通过scipy.stats模块提供显著性检验功能,P值用于衡量数据接近极端程度,与alpha值对比以决定统计显著性。
33 0