numpy.divide

  • 用例:
    numpy.divide(x1, x2, /, out=None, *, where=True, casting=‘same_kind’, order=‘K’, dtype=None, subok=True[, signature, extobj]) = <ufunc ‘true_divide’>

  • 功能:
    数组对应位置元素做除法。
    这里的除法结果和Python传统的地板除不同,这里得到的是真实值。numpy.divide的计算结果适应于输出值的数值类型,与输入值的数值类型无关。

  • 参数

变量名 数据类型 功能
x1 数组型变量 充当被除数的数组
x2 数组型变量 充当除数的数组。如果x1.shape != x2.shape,它们必须扩维到同样的维度(此维度也为输出值的维度)。
out n维数组,None,n维数组组成的元组,可选参数 计算结果的存放位置。若提供此参数,它的维度必须和输入数组扩维后的维度保持一致。若不提供此参数或该值为None,返回新开辟的数组。若此值为元组类型,其长度必须和返回值的个数保持一致。
where 数组型变量,可选参数 用默认值即可
  • 返回值
变量名 数据类型 功能
out n维数组或标量 如果x1和x2均为标量,那么返回值也为标量
  • 备注

在Python 2.2中地板除运算符//和除法运算符/的计算结果一致。通过在程序中添加from __future__ import division代码段可以将默认的地板除运算符/变为真正的除法运算符。
在Python 3.0中//为地板除运算符而/为真正的除法运算符。函数true_divide(x1, x2)的计算结果也为真正除法。

  • 示例:
from __future__ import division
import numpy as np
x = np.arange(5)
print('真正除法的运算结果:{}'.format(np.true_divide(x, 4)))
print('地板除运算结果:{}'.format(x//4))
print('真正除法的运算结果:{}'.format(x/4))
# 会将4复制5个变为(5,)数组
print('真正除法的运算结果:{}'.format(np.divide(x, 4)))

真正除法的运算结果:[0. 0.25 0.5 0.75 1. ]
地板除运算结果:[0 0 0 0 1]
真正除法的运算结果:[0. 0.25 0.5 0.75 1. ]
真正除法的运算结果:[0. 0.25 0.5 0.75 1. ]


github链接
https://github.com/wzy6642/numpy-translate

numpy.divide详解相关推荐

  1. Numpy.array()详解 、np.array与np.asarray辨析、 np.array和np.ndarry的区别

    记录一下numpy.array()的详细用法,以及与np.asarray()和np.ndarray()的区别. 目录 1. Numpy.array()详解 1.1 函数形式 1.2 参数详解 1.3 ...

  2. 【Numpy乘法详解】np.multiply()、np.matmul()、np.dot()等

    [Numpy乘法详解(代码示例)]np.multiply().np.matmul().np.dot()等 文章目录 [Numpy乘法详解(代码示例)]np.multiply().np.matmul() ...

  3. Numpy.array()详解

    1. Numpy.array()详解 该函数的作用一言蔽之就是用来产生数组. 1.1 函数形式 numpy.array(object, dtype=None, copy=True, order='K' ...

  4. numpy.ma详解

    numpy.ma numpy.ma模块 基本原理 当数组元素包括缺失值或异常值时,该数组被称为掩码数组.numpy.ma模块的工作方式可以这么来解释:支持数值数组中包含掩码元素. 什么是掩码数组呢? ...

  5. [转载] numpy.ma详解

    参考链接: Python中的numpy.asanyarray numpy.ma numpy.ma模块 基本原理 当数组元素包括缺失值或异常值时,该数组被称为掩码数组.numpy.ma模块的工作方式可以 ...

  6. python引用numpy出错_引用numpy出错详解及解决方法

    numpy出错 解决方案 Problem: how to import numpy in subdirectory? Import error of numpy within subfolder. 错 ...

  7. numpy.ones() 详解

    函数原型: numpy.ones(shape, dtype=None, order='C') 参数介绍: shape:int或int的序列,为新数组的形状:如果我们仅指定一个int变量,则将返回一维数 ...

  8. numpy.sum详解

    numpy.sum 用例: numpy.sum(a, axis=None, dtype=None, out=None, keepdims=) 功能: 数组沿着指定的轴求和. 参数 变量名 数据类型 功 ...

  9. numpy.argsort详解

    numpy.argsort 用例: numpy.argsort(a, axis=-1, kind=None, order=None) 功能: 返回数组排序后的元素索引值. 根据kind指定的算法对数组 ...

最新文章

  1. c++ 公有继承的赋值兼容规则
  2. 有关short与int的重载[jase基础]
  3. python一球从100米高度自由落下,一球从100米高度自由落下,每次落地后反跳回原高度的一半;再落下,求它在 第10次落地时,......
  4. T T[] toArray(T[] a);
  5. 在床上玩手机,千万不能把手机放下!
  6. random_shuffle 和transform算法
  7. Linux免设置路由端口映射,2014/04/01 演示中设置linux路由器、端口过滤的使用、路由设置...
  8. Android-TextView跑马灯效果
  9. 95-30-018-Channel-AbstractNioByteChannel
  10. Nginx+DNS负载均衡实现
  11. 安装Spark集群(在CentOS上)
  12. Caused by: java.lang.UnsatisfiedLinkError: libjawt.so: 无法打开共享对象文件: 没有那个文件或目录
  13. DeepinXP_V5.8完美/增强精简版2合1
  14. 狗屁不通的“视频专辑:零基础学习C语言(小甲鱼版)”(1)
  15. 5个不可多得的黑科技网站,让你在办公中如有神助,请低调收藏
  16. 一维码二维码识别(opencv c++)
  17. win764位旗舰版的序列号(个人推荐可以使用可靠的破解工具)
  18. 17.安全点与安全区
  19. 交通安全管理毕业论文范文
  20. RAKE(快速自动关键字抽取)算法原理与实现

热门文章

  1. python项目NoReverseMatch: Reverse for ‘topic‘ with arguments ‘(‘‘,)‘ not found解决方法
  2. 数组模拟栈和队列板子
  3. source insight搜不到关联代码
  4. spark 持久化 mysql_Spark 从零到开发(八)nginx日志清洗并持久化实战
  5. css 倒三角_【译】改善 CSS 的 10 个最佳实践
  6. python panda读取csv_python pandas 中文件的读写——read_csv()读取文件
  7. 2019帝豪gs装软件_短试新帝豪GS:冷门的跨界SUV,为什么吉利能做成爆款?
  8. java 坐标系转换_入门-Python-GIS坐标转换
  9. java 获取操作系统临时目录_获取当前操作系统的临时目录对象或者地址
  10. php扫描蓝牙设备接口,微信硬件蓝牙扫描某个设备接口onScanWXDeviceResult