二元运算
import numpy as np
四则运算
| 运算 | 函数 |
|---|---|
a + b |
add(a,b) |
a - b |
subtract(a,b) |
a * b |
multiply(a,b) |
a / b |
divide(a,b) |
a ** b |
power(a,b) |
a % b |
remainder(a,b) |
以乘法为例，数组与标量相乘，相当于数组的每个元素乘以这个标量：
a = np.array([1,2])
a * 3
array([3, 6])
数组逐元素相乘：
a = np.array([1,2])
b = np.array([3,4])
a * b
array([3, 8])
使用函数：
np.multiply(a, b)
array([3, 8])
事实上，函数还可以接受第三个参数，表示将结果存入第三个参数中：
np.multiply(a, b, a)
array([3, 8])
a
array([3, 8])
比较和逻辑运算
| 运算 | 函数< |
|---|---|
== |
equal |
!= |
not_equal |
> |
greater |
>= |
greater_equal |
< |
less |
<= |
less_equal |
logical_and |
|
logical_or |
|
logical_xor |
|
logical_not |
|
& |
bitwise_and |
bitwise_or |
|
^ |
bitwise_xor |
~ |
invert |
>> |
right_shift |
<< |
left_shift |
等于操作也是逐元素比较的：
a = np.array([[1,2,3,4],
[2,3,4,5]])
b = np.array([[1,2,5,4],
[1,3,4,5]])
a == b
array([[ True, True, False, True],
[False, True, True, True]], dtype=bool)
这意味着，如果我们在条件中要判断两个数组是否一样时，不能直接使用
if a == b:
而要使用：
if all(a==b):
对于浮点数，由于存在精度问题，使用函数 allclose 会更好：
if allclose(a,b):
logical_and 也是逐元素的 and 操作：
a = np.array([0,1,2])
b = np.array([0,10,0])
np.logical_and(a, b)
array([False, True, False], dtype=bool)
0 被认为是 False，非零则是 True。
比特操作：
a = np.array([1,2,4,8])
b = np.array([16,32,64,128])
a | b
array([ 17, 34, 68, 136])
取反：
a = np.array([1,2,3,4], np.uint8)
~a
array([254, 253, 252, 251], dtype=uint8)
左移：
a << 3
array([ 8, 16, 24, 32], dtype=uint8)
要注意的是 & 的运算优先于比较运算如 > 等，所以必要时候需要加上括号：
a = np.array([1,2,4,8])
b = np.array([16,32,64,128])
(a > 3) & (b < 100)
array([False, False, True, False], dtype=bool)
来源：CSDN
作者：DrogoZhang
链接：https://blog.csdn.net/weixin_40400177/article/details/103550844