Numpy系列（三）- 基本運算操做

Numpy 中數組上的算術運算符使用元素級別。最後的結果使用新的一個數組來返回。

import numpy as np
a = np.array( [20,30,40,50] )
b = np.arange(4)
b
Out[113]: array([0, 1, 2, 3])
c = a -b
c 
Out[114]: array([20, 29, 38, 47])
b ** 2
Out[115]: array([0, 1, 4, 9], dtype=int32)
a < 34
Out[116]: array([ True,  True, False, False])

　須要注意的是，乘法運算符*的運算在NumPy數組中也是元素級別的（這與許多矩陣語言不一樣）。若是想要執行矩陣乘積，能夠使用dot函數：

A = np.array( [[1,1], [0,1]] )
B = np.array( [[2,0], [3,4]] )
A
Out[117]: 
array([[1, 1],
       [0, 1]])
B
Out[118]: 
array([[2, 0],
       [3, 4]])
A * B
Out[119]: 
array([[2, 0],
       [0, 4]])
A.dot(B)
Out[120]: 
array([[5, 4],
       [3, 4]])
np.dot(A,B)
Out[121]: 
array([[5, 4],
       [3, 4]])

　　某些操做（如+=和*=）能夠修改現有數組，而不是建立新數組。

a = np.ones((2,3), dtype=np.int32)
a *= 3
a
Out[122]: 
array([[3, 3, 3],
       [3, 3, 3]])
b = np.random.random((2,3))
b
Out[124]: 
array([[0.39895014, 0.30638211, 0.9011525 ],
       [0.6135912 , 0.02488626, 0.67726569]])
a.dtype
Out[125]: dtype('int32')
b.dtype
Out[126]: dtype('float64')
b += a
b
Out[128]: 
array([[3.39895014, 3.30638211, 3.9011525 ],
       [3.6135912 , 3.02488626, 3.67726569]])
a += b
Traceback (most recent call last):
  File "D:\pytho3.6\lib\site-packages\IPython\core\interactiveshell.py", line 2963, in run_code
    exec(code_obj, self.user_global_ns, self.user_ns)
  File "<ipython-input-129-294cacd62d6f>", line 1, in <module>
    a += b
TypeError: Cannot cast ufunc add output from dtype('float64') to dtype('int32') with casting rule 'same_kind'　

當使用不一樣類型的數組操做時，結果數組的類型對應於更通常或更精確的數組（稱爲向上轉換的行爲）。

因爲定義 a時，數據類型指定爲np.int32，而 a+b 生成的數據類型爲 np.float64，因此自動轉換出錯。

around

np.around 返回四捨五入後的值，可指定精度。

around(a, decimals=0, out=None)

輸入數組

decimals 要舍入的小數位數。 默認值爲0。 若是爲負，整數將四捨五入到小數點左側的位置

 

import numpy as np

n = np.array([-0.746, 4.6, 9.4, 7.447, 10.455, 11.555])

around1 = np.around(n)
print(around1) # [ -1. 5. 9. 7. 10. 12.]

around2 = np.around(n, decimals=1)
print(around2) # [ -0.7 4.6 9.4 7.4 10.5 11.6]

around3 = np.around(n, decimals=-1)
print(around3) # [ -0. 0. 10. 10. 10. 10.]

floor

np.floor 返回不大於輸入參數的最大整數。 即對於輸入值 x ，將返回最大的整數 i ，使得 i <= x。 注意在Python中，向下取整老是從 0 舍入。

import numpy as np
n = np.array([-1.7, -2.5, -0.2, 0.6, 1.2, 2.7, 11])
floor = np.floor(n)
print(floor) # [ -2. -3. -1. 0. 1. 2. 11.]
[-2. -3. -1.  0.  1.  2. 11.]

ceil

np.ceil 函數返回輸入值的上限，即對於輸入 x ，返回最小的整數 i ，使得 i> = x。

import numpy as np

n = np.array([-1.7, -2.5, -0.2, 0.6, 1.2, 2.7, 11])

ceil = np.ceil(n)
print(ceil) # [ -1. -2. -0. 1. 2. 3. 11.]

np.where

numpy.where(condition[, x, y])

根據 condition 從 x 和 y 中選擇元素，當爲 True 時，選 x，不然選 y。

https://docs.scipy.org/doc/numpy/reference/generated/numpy.where.html

import numpy as np
data = np.random.random([2, 3])
print(data)
[[0.37618029 0.09114803 0.12294256]
 [0.59006572 0.18597964 0.46023678]]
result = np.where(data > 0.5, data, 0)
print(result)
[[0.         0.         0.        ]
 [0.59006572 0.         0.        ]]