Numpy 數組基本運算 （五）

數組的算術運算是按元素逐個運算。數組運算後將創建包含運算結果的新數組。

>>>a= np.array([20,30,40,50])  
>>>b= np.arange( 4)  
>>> b  
array([0, 1, 2, 3])  
>>> c= a-b  
>>> c  
array([20, 29, 38, 47])  
>>> b**2  
array([0, 1, 4, 9])  
>>> 10*np.sin(a)  
array([ 9.12945251,-9.88031624, 7.4511316, -2.62374854])  
>>> a<35  
array([True, True, False, False], dtype=bool)  

#NumPy中的乘法運算符*按元素逐個計算，矩陣乘法可以使用dot函數或創建矩陣對象實現 

>>> A= np.array([[1,1],  
...[0,1]])  
>>> B= np.array([[2,0],  
...[3,4]])  
>>> A*B # 逐個元素相乘  
array([[2, 0],  
    　　 [0, 4]])  
>>> np.dot(A,B) # 矩陣相乘  
array([[5, 4],  
    　　 [3, 4]])  

#有些操作符如+=和*=用來更改已存在數組而不創建一個新的數組。

>>> a= np.ones((2,3), dtype=int)  
>>> b= np.random.random((2,3))  
>>> a*= 3  
>>> a  
array([[3, 3, 3],  
    　　 [3, 3, 3]])  
>>> b+= a  
>>> b  
array([[ 3.69092703, 3.8324276, 3.0114541],  
    　　　 [ 3.18679111, 3.3039349, 3.37600289]])  
>>> a+= b # b轉換爲整數類型  
>>> a  
array([[6, 6, 6],  
           [6, 6, 6]])  

#當數組中存儲的是不同類型的元素時，數組將使用佔用更多位（bit）的數據類型作爲其本身的數據類型，也就是偏向更精確的數據類型(這種行爲叫做upcast)。

>>> a= np.ones(3, dtype=np.int32)  
>>> b= np.linspace(0,np.pi,3)  
>>> b.dtype.name  
'float64'  
>>> c= a+b  
>>> c  
array([ 1., 2.57079633, 4.14159265])  
>>> c.dtype.name  
'float64'  
>>> d= exp(c*1j)  
>>> d  
array([ 0.54030231+0.84147098j,-0.84147098+0.54030231j,  
    　　　 -0.54030231-0.84147098j])  
>>> d.dtype.name  
'complex128'  

#許多非數組運算，如計算數組所有元素之和，都作爲ndarray類的方法來實現，使用時需要用ndarray類的實例來調用這些方法。

>>> a= np.random.random((2,3))  
>>> a  
array([[ 0.65806048, 0.58216761, 0.59986935],  
           [ 0.6004008, 0.41965453, 0.71487337]])  
>>> a.sum()  
　  3.5750261436902333  
>>> a.min()  
     0.41965453489104032  
>>> a.max()  
     0.71487337095581649 

#這些運算將數組看作是一維線性列表。但可通過指定axis參數（即數組的行）對指定的軸做相應的運算：

>>> 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) # 計算每一列的和，注意理解軸的含義，參考數組的第一篇文章  
array([12, 15, 18, 21])  
>>> b.min(axis=1) # 獲取每一行的最小值  
array([0, 4, 8])  
>>> b.cumsum(axis=1) # 計算每一行的累積和  
array([[ 0, 1, 3, 6],  
           [ 4, 9, 15, 22],  
           [ 8, 17, 27, 38]])  

參考和轉載：

http://blog.csdn.net/sunny2038/article/details/9023797