AI 助理
备案控制台
开发者社区 开发与运维 文章 正文

08 numpy 二元函数

2018-09-13 1107
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： === 求模运算 ===scores = np.array([[19,29,35],[39,27,14],[0,2,7]])print(scores)np.

=== 求模运算 ===

scores = np.array([[19,29,35],[39,27,14],[0,2,7]])
print(scores)
np.mod(scores,10)

[[19 29 35] [39 27 14] [ 0 2 7]]
array([[9, 9, 5], [9, 7, 4], [0, 2, 7]], dtype=int32)

== 两个数组点积 dot ==

矩阵积

np.dot(arr1,arr2)

== 数组内元素比大小 ==

np.greater(arr1,arr2)
arr1 > arr2
np.less(arr1,arr2)
arr1 < arr2
np.equal(arr1,arr2)
arr1 == arr2

=数组元素的布尔逻辑运算=

与&、或| 、异或＾(一真一假得真)
0^1=1; 1^1=0; 0^0=0; 1^0=1;

np.logical_and(arr1,arr2)
arr1 & arr2

np.logical_or(arr1,arr2)
arr1 | arr2

np.logical_xor(arr1,arr2)
arr1^arr2

== 元素指数运算 ==

每个元素的三次方

np.power(arr,3)
arr**3
img_9398287cf95ed4edf9e3801e7e43d690.png
二元函数

img_f00f02fd7232b30833ccdd7d5da0ca9e.png
编码
文章标签：
Python
关键词：
NumPy函数
白尔摩斯
目录
相关文章
张志凌
|
Python
NumPy 教程 之 NumPy 统计函数 9
NumPy提供了多种统计函数，如计算数组中的最小值、最大值、百分位数、标准差及方差等。其中，标准差是一种衡量数据平均值分散程度的指标，它是方差的算术平方根。例如，对于数组[1,2,3,4]，其标准差可通过计算各值与均值2.5的差的平方的平均数的平方根得出，结果为1.1180339887498949。示例代码如下： ```python import numpy as np print(np.std([1,2,3,4])) ``` 运行输出即为：1.1180339887498949。
张志凌
263 50
张志凌
|
Python
NumPy 教程 之 NumPy 算术函数 1
本教程介绍NumPy中的基本算术函数，如加(add())、减(subtract())、乘(multiply())及除(divide())。示例展示了两个数组（一个3x3矩阵与一数组[10,10,10]）间的运算。值得注意的是，参与运算的数组需有相同形状或可按照NumPy的广播规则进行扩展。此外Numpy还提供了许多其他的算术函数以满足复杂计算需求。
张志凌
120 7
张志凌
|
Python
NumPy 教程 之 NumPy 算术函数 2
NumPy 教程 之 NumPy 算术函数 2
张志凌
88 3
张志凌
|
Python
NumPy 教程 之 NumPy 数学函数 4
NumPy提供了丰富的数学函数，如三角函数、算术函数及复数处理等。本教程聚焦于舍入函数中的`numpy.ceil()`应用。该函数用于返回大于或等于输入值的最小整数（向上取整）。例如，对数组`[-1.7, 1.5, -0.2, 0.6, 10]`使用`np.ceil()`后，输出为`[-1., 2., -0., 1., 10.]`。
张志凌
122 1
张志凌
|
Python
NumPy 教程 之 NumPy 统计函数 10
NumPy统计函数，包括查找数组中的最小值、最大值、百分位数、标准差和方差等。方差表示样本值与平均值之差的平方的平均数，而标准差则是方差的平方根。例如，`np.var([1,2,3,4])` 的方差为 1.25。
张志凌
158 48
zzy的aly
|
12月前
|
Python
Numpy学习笔记(五)：np.concatenate函数和np.append函数用于数组拼接
NumPy库中的`np.concatenate`和`np.append`函数，它们分别用于沿指定轴拼接多个数组以及在指定轴上追加数组元素。
zzy的aly
498 0
Numpy学习笔记(五)：np.concatenate函数和np.append函数用于数组拼接
张志凌
|
机器学习/深度学习 搜索推荐 算法
NumPy 教程 之 NumPy 排序、条件筛选函数 8
NumPy提供了多种排序方法，包括快速排序、归并排序及堆排序，各有不同的速度、最坏情况性能、工作空间和稳定性特点。此外，NumPy还提供了`numpy.extract()`函数，可以根据特定条件从数组中抽取元素。例如，在一个3x3数组中，通过定义条件选择偶数元素，并使用该函数提取这些元素。示例输出为：[0., 2., 4., 6., 8.]。
张志凌
108 8
张志凌
|
机器学习/深度学习 搜索推荐 算法
NumPy 教程 之 NumPy 排序、条件筛选函数 2
介绍NumPy` 中的排序方法与条件筛选函数。通过对比快速排序、归并排序及堆排序的速度、最坏情况性能、工作空间需求和稳定性，帮助读者选择合适的排序算法。此外，还深入讲解了 `numpy.argsort()` 的使用方法，并通过具体实例展示了如何利用该函数获取数组值从小到大的索引值，并据此重构原数组，使得其变为有序状态。对于学习 `NumPy` 排序功能来说，本教程提供了清晰且实用的指导。
张志凌
97 8
张志凌
|
机器学习/深度学习 搜索推荐 算法
NumPy 教程 之 NumPy 排序、条件筛选函数 5
NumPy中的排序方法及特性对比，包括快速排序、归并排序与堆排序的速度、最坏情况性能、工作空间及稳定性分析。并通过`numpy.argmax()`与`numpy.argmin()`函数演示了如何获取数组中最大值和最小值的索引，涵盖不同轴方向的操作，并提供了具体实例与输出结果，便于理解与实践。
张志凌
80 5
张志凌
|
Python
NumPy 教程 之 NumPy 统计函数 4
这段内容介绍了NumPy库中的统计函数，特别是`numpy.percentile()`函数的应用。该函数用于计算数组中的百分位数，即一个值之下所包含的观测值的百分比。通过实例展示了如何使用此函数来计算不同轴上的百分位数，并保持输出的维度不变。
张志凌
143 5