首先解答上一个文章Python扩展库numpy中的布尔运算中的问题,该题答案为[111, 33, 2],题中表达式的作用是按列表中元素转换为字符串后的长度降序排序。

---------------------分割线------------------

numpy中的广播运算使得两个不同形状(但也有基本要求,不是任何维度都可以广播)的数组进行运算,较小维度的数组会被广播到另一个数组的相应维度上去,可以简化代码的编写(例如不需要编写循环)。

>>> import numpy as np

# 列向量

>>> a = np.arange(0,60,10).reshape(-1,1)

# 行向量

>>> b = np.arange(0,6)
>>> a
array([[ 0],
       [10],
       [20],
       [30],
       [40],
       [50]])
>>> b
array([0, 1, 2, 3, 4, 5])

# 数组与标量的加法,本质上也属于广播

# 把标量广播到数组上去,分别与数组中每个元素运算

>>> a[0] + b
array([0, 1, 2, 3, 4, 5])
>>> a[1] + b
array([10, 11, 12, 13, 14, 15])

# 6x1数组和1x6数组的广播

# 把数组a中的每个元素广播到数组b,得到结果数组中的一行

>>> a + b
array([[ 0,  1,  2,  3,  4,  5],
       [10, 11, 12, 13, 14, 15],
       [20, 21, 22, 23, 24, 25],
       [30, 31, 32, 33, 34, 35],
       [40, 41, 42, 43, 44, 45],
       [50, 51, 52, 53, 54, 55]])
>>> a * b
array([[  0,   0,   0,   0,   0,   0],
       [  0,  10,  20,  30,  40,  50],
       [  0,  20,  40,  60,  80, 100],
       [  0,  30,  60,  90,  120, 150],
       [  0,  40,  80,  120, 160, 200],
       [  0,  50,  100, 150,  200, 250]])

>>> a = np.array([[1,2,3],[4,5,6]])
>>> a
array([[1, 2, 3],
       [4, 5, 6]])

# 二维数组与标量的广播计算

>>> a + 2
array([[3, 4, 5],
       [6, 7, 8]])

# 2x3数组与2x1数组之间的广播

# 把[1]广播到a的第一行,[2]广播到a的第二行

>>> a + np.array([[1],[2]])
array([[2, 3, 4],
       [6, 7, 8]])

------------分割线-------------

今日习题:

语句x = 3==3, 5执行结束后,变量x的值为_____________。

Python科学计算扩展库numpy中的广播运算相关推荐

  1. 详解Python科学计算扩展库numpy中的矩阵运算(1)

    首先解答上一篇文章中使用with关键字让你的Python代码更加Pythonic最后的习题,该题答案是False,原因在于内置函数sorted()的参数reverse=True时表示降序排序,而内置函 ...

  2. Python科学计算扩展库NumPy之广播(Broadcast)

    广播的规则: 让所有输入数组都向其中形状最长的数组看齐,形状中不足的部分都通过在前面加 1 补齐.     输出数组的形状是输入数组形状的各个维度上的最大值.     如果输入数组的某个维度和输出数组 ...

  3. Python科学计算扩展库NumPy之np.array()与np.asarray()区别

    1.数据源为数组ndarray时,array仍然会copy出一个副本,占用新的内存,但asarray不会. #!/usr/bin/env python import numpy as npdata = ...

  4. Python扩展库numpy中where()函数的三种用法

    第一种用法:只给where()函数传递一个数组作为参数,返回其中非0元素的下标. 第二种用法:给where()函数传递一个包含True/False值的数组,返回该数组中True值的下标,结合numpy ...

  5. 爱因斯坦求和约定在Python扩展库Numpy中的实现

    推荐教材: <Python数据分析.挖掘与可视化>(慕课版)(ISBN:978-7-115-52361-7),董付国,人民邮电出版社,定价49.8元,2020年1月出版,2021年12月第 ...

  6. python科学计算库-python 科学计算基础库安装

    1.numpy NumPy(Numeric Python)是用Python进行科学计算的基本软件包. NumPy是Python编程语言的扩展,增加了对大型多维数组和矩阵的支持,以及一个大型的高级数学函 ...

  7. Python科学计算:用NumPy快速处理数据

    你好,我是悦创. 我来分享一下数据分析中 Numpy 库的使用,本文内容较多,不可能每段代码的输出过程.输出结果分析这显然工作量不是一点点.但我都结合了大量的代码块,希望小伙伴动手运行代码并分析所得到 ...

  8. Python科学计算库numpy中的add运算

    闲言碎语不多讲,直接上代码. >>> import numpy as np >>> np.add.accumulate([1,2,3]) # 累加 array([1 ...

  9. python扩展库numpy中函数meshgrid()的使用[当你想要两个for循环嵌套处理时,就该想到它]

    看一个简单的例子: 设有一个3阶方阵Z, 其值由式子x^2 + y^2生成. x的取值为4,5,6: y的取值为7,8,9. 按常规的思路应该是由两个循环生成方阵Z,即如下的代码: #!/usr/bi ...

最新文章

  1. Silverlight中使用CompositionInitializer宿主MEF
  2. 简述机器指令与微指令之间的关系_自考《计算机组成原理》模拟试题(一)
  3. webstorm的使用技巧——1
  4. python的变量对大小写并不敏感_Robot Framework 内置变量
  5. OSI参考模型和网络编程
  6. 【Ubuntu】 Ubuntu16.04快速搭建环境
  7. Oracle 11g 11201_RHEL5.5_RAC_VBOX 详细搭建步骤
  8. ei会议论文录用但不参加会议_会议论文投稿可以不参会吗
  9. 2014_beijing_onsite
  10. 抽象类-(抽象类的样子)
  11. 4.7_singleton_创建型模式:单例模式
  12. .Net程序员学用Oracle系列(18):PLSQL Developer 攻略
  13. iphone6 计算机无法检测到照相机,爱思助手无法识别设备怎么办 爱思助手无法识别设备解决方法...
  14. 主流的工业以太网简介及比较(EPA , EtherCAT , Ethernet Powerlink , PROFINET, Ethernet/IP, SERCOS III)
  15. 飞机加油游戏 --- 我的易术
  16. 重置linux系统root密码,CentOS(Linux)重置root密码
  17. 网络系统集成实习——第一天——2017.9.6
  18. 大数据开发教程——企业级离线数据仓库项目实战开发
  19. 无线攻击及密码破解的四种方式详解
  20. matlab moveverage,MATLAB在数字图像处理课程教学中的应用

热门文章

  1. linux 类似winscp_联合使用winscp和putty管理你的linux远程机器
  2. 检查java_如何检查Java版本?
  3. boot jndi数据源 spring_使用Spring Boot配置JNDI数据源 -Roy教程
  4. 每个做DBA的孩纸都是上辈子被drop的db
  5. c语言编译器查错,C语言编译器的错误信息
  6. 常见笔顺错误的字_最全汉字笔顺正确写法,建议家长为孩子收藏
  7. Maven中引入本地jar包
  8. 母亲节html页面,[母亲节散分]模块化思想的重要性_html/css_WEB-ITnose
  9. php安装mongo扩展,php安装mongo扩展和mongodb扩展
  10. 基于JAVA+SpringMVC+Mybatis+MYSQL的校园失物招领系统