Python科学计算库Numpy数组的初始化和基本操作(3)

当前位置:

首页 > Python基础教程 >

Python科学计算库Numpy数组的初始化和基本操作(3)

两个二维使用*符号仍然是按位置一对一相乘，如果想表示矩阵乘法，使用dot：

						>>> A = np.array( [[1,1],

						...             [0,1]] )

						>>> B = np.array( [[2,0],

						...             [3,4]] )

						>>> A*B                         # elementwise product

						array([[2, 0],

						       [0, 4]])

						>>> A.dot(B)                    # matrix product

						array([[5, 4],

						       [3, 4]])

						>>> np.dot(A, B)                # another matrix product

						array([[5, 4],

						       [3, 4]])

内置函数（min,max,sum)，同时可以使用axis指定对哪一维进行操作：

						>>> b = np.arange(12).reshape(3,4)

						>>> b

						array([[ 0,  1,  2,  3],

						       [ 4,  5,  6,  7],

						       [ 8,  9, 10, 11]])

						>>>

						>>> b.sum(axis=0)                            # sum of each column

						array([12, 15, 18, 21])

						>>>

						>>> b.min(axis=1)                            # min of each row

						array([0, 4, 8])

						>>>

						>>> b.cumsum(axis=1)                         # cumulative sum along each row

						array([[ 0,  1,  3,  6],

						       [ 4,  9, 15, 22],

						       [ 8, 17, 27, 38]])

Numpy同时提供很多全局函数

						>>> B = np.arange(3)

						>>> B

						array([0, 1, 2])

						>>> np.exp(B)

						array([ 1.        ,  2.71828183,  7.3890561 ])

						>>> np.sqrt(B)

						array([ 0.        ,  1.        ,  1.41421356])

						>>> C = np.array([2., -1., 4.])

						>>> np.add(B, C)

						array([ 2.,  0.,  6.])

栏目列表