跳转至

二元运算

In [1]:

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:

In [2]:

a = np.array([1,2])
a * 3

Out[2]:

array([3, 6])

数组逐元素相乘:

In [3]:

a = np.array([1,2])
b = np.array([3,4])
a * b

Out[3]:

array([3, 8])

使用函数:

In [4]:

np.multiply(a, b)

Out[4]:

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:

In [5]:

np.multiply(a, b, a)

Out[5]:

array([3, 8])

In [6]:

a

Out[6]:

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:

In [7]:

a = np.array([[1,2,3,4],
              [2,3,4,5]])
b = np.array([[1,2,5,4],
              [1,3,4,5]])
a == b

Out[7]:

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:

In [8]:

a = np.array([0,1,2])
b = np.array([0,10,0])

np.logical_and(a, b)

Out[8]:

array([False,  True, False], dtype=bool)

0 被认为是 False,非零则是 True

比特操作:

In [9]:

a = np.array([1,2,4,8])
b = np.array([16,32,64,128])

a | b

Out[9]:

array([ 17,  34,  68, 136])

取反:

In [10]:

a = np.array([1,2,3,4], np.uint8)
~a

Out[10]:

array([254, 253, 252, 251], dtype=uint8)

左移:

In [11]:

a << 3

Out[11]:

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:

In [12]:

a = np.array([1,2,4,8])
b = np.array([16,32,64,128])

(a > 3) & (b < 100)

Out[12]:

array([False, False,  True, False], dtype=bool)


回到顶部