[人工智能]寒假python数据分析与展示第一课

数组与标量之间的运算

数组与标量之间的运算作用于数组的每一个元素

 #使用arange和reshape形成一个元素由0到23逐一递增的（2，3，4）维数组
 a = np.arange(24).reshape((2,3,4))
 a

#输出：
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])

 #通过a.mean()获取它的平均值，a的平均值指的是a中所有元素的算术平均值
 a.mean()
 #输出：11.5
  #计算a与平均值的商,11.5已经是一个标量值，a本身确实是一个数组，将数组与标量值进行运算，
  #运算后的结果再复制给a,此时a由整数变成了预算后的浮点数。那么这浮点数就是a中的原来的每一个元素与标
  #量逐一运算之后形成的
 a=a/a.mean()
 a
 #输出
array([[[0.        , 0.08695652, 0.17391304, 0.26086957],
        [0.34782609, 0.43478261, 0.52173913, 0.60869565],
        [0.69565217, 0.7826087 , 0.86956522, 0.95652174]],

       [[1.04347826, 1.13043478, 1.2173913 , 1.30434783],
        [1.39130435, 1.47826087, 1.56521739, 1.65217391],
        [1.73913043, 1.82608696, 1.91304348, 2.        ]]])

NumPy一元函数：对ndarray中的数据执行元素级运算的函数

 #使用arange和reshape形成一个元素由0到23逐一递增的（2，3，4）维数组
 a = np.arange(24).reshape((2,3,4))
 #平方数组中的每一个值
 np.square(a)
 #输出：array([[[  0,   1,   4,   9],
        [ 16,  25,  36,  49],
        [ 64,  81, 100, 121]],

       [[144, 169, 196, 225],
        [256, 289, 324, 361],
        [400, 441, 484, 529]]])
  #对数组开平方，sqrt(a)括号里的a数组还是没平方之前的数组，
#因为 np.square(a)语句并没有给a赋值
 a=np.sqrt(a)
 a
 #输出
array([[[0.        , 1.        , 1.41421356, 1.73205081],
        [2.        , 2.23606798, 2.44948974, 2.64575131],
        [2.82842712, 3.        , 3.16227766, 3.31662479]],

       [[3.46410162, 3.60555128, 3.74165739, 3.87298335],
        [4.        , 4.12310563, 4.24264069, 4.35889894],
        [4.47213595, 4.58257569, 4.69041576, 4.79583152]]])
np.modf(a)#将数组各元素的小数和整数部分以两个独立数组形式返回
#输出
(array([[[0.        , 0.        , 0.41421356, 0.73205081],
         [0.        , 0.23606798, 0.44948974, 0.64575131],
         [0.82842712, 0.        , 0.16227766, 0.31662479]],
 
        [[0.46410162, 0.60555128, 0.74165739, 0.87298335],
         [0.        , 0.12310563, 0.24264069, 0.35889894],
         [0.47213595, 0.58257569, 0.69041576, 0.79583152]]]),
 array([[[0., 1., 1., 1.],
         [2., 2., 2., 2.],
         [2., 3., 3., 3.]],

NumPy二元函数：NumPy的设计理念是希望大家可以把数组当成一个元素来对待

#使用arange和reshape形成一个元素由0到23逐一递增的（2，3，4）维数组
 a = np.arange(24).reshape((2,3,4))
 b=np.sqrt(a)
 a
#输出：
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])
 b
 #输出：
array([[[0.        , 1.        , 1.41421356, 1.73205081],
        [2.        , 2.23606798, 2.44948974, 2.64575131],
        [2.82842712, 3.        , 3.16227766, 3.31662479]],

       [[3.46410162, 3.60555128, 3.74165739, 3.87298335],
        [4.        , 4.12310563, 4.24264069, 4.35889894],
        [4.47213595, 4.58257569, 4.69041576, 4.79583152]]])
 np.maximum(a,b)#此时不管最大数是谁，返回的都是浮点数
#输出：
array([[[ 0.,  1.,  2.,  3.],
        [ 4.,  5.,  6.,  7.],
        [ 8.,  9., 10., 11.]],

       [[12., 13., 14., 15.],
        [16., 17., 18., 19.],
        [20., 21., 22., 23.]]])
 a>b#判断a,b大小，返回布尔值
#输出：
array([[[False, False,  True,  True],
        [ True,  True,  True,  True],
        [ True,  True,  True,  True]],

       [[ True,  True,  True,  True],
        [ True,  True,  True,  True],
        [ True,  True,  True,  True]]])

?