N維陣列 4 陣列運算

import numpy as np

arr = np.array([[

1,2,
3,2,
1,4]
,[5,
6,1,
2,3,
1]])
arr +
1arr /
2

array([[0.5, 1. , 1.5, 1. , 0.5, 2. ],

[2.5, 3. , 0.5, 1. , 1.5, 0.5]])

# 可以對比python列表的運算，看出區別

a =[1,
2,3,
4,5]
a *3

[1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5]

# 陣列在進行向量化運算時，要求陣列的形狀是相等的。

# 當形狀不相等的陣列執行算術運算的時候，就會出現廣播機制，該機制會對陣列進行擴充套件，使陣列的shape屬性值一樣，
# 這樣，就可以進行向量化運算了。
# 廣播機制實現了時兩個或兩個以上陣列的運算，即使這些陣列的shape不是完全相同的，只需要滿足如下任意乙個條件即可。
# 1.陣列的某一維度等長。
# 2.其中乙個陣列的某一維度為1 。
# 廣播機制需要擴充套件維度小的陣列，使得它與維度最大的陣列的shape值相同，以便使用元素級函式或者運算子進行運算。

arr1 = np.array([[

0],[
1],[
2],[
3]])
arr1.shape
arr2 = np.array([1
,2,3
])arr2.shape
m=arr1+arr2 
m.shape

(4, 3)

arr1+arr2

array([[1, 2, 3],

[2, 3, 4],
[3, 4, 5],
[4, 5, 6]])

arr1 = np.array([[

1,2,
3,2,
1,4]
,[5,
6,1,
2,3,
1]])
arr1.shape
arr2 = np.array([[
1],[
3]])
arr2.shape
m=arr1+arr2
m.shape
m

array([[2, 3, 4, 3, 2, 5],

[8, 9, 4, 5, 6, 4]])

N維陣列 3 ndarray運算

import numpy as np 生成10名同學，5門功課的資料 score np.random.randint 40,100,10 5 scorearray 98,47,44,77,43 46,78,52,54,87 64,78,67,75,59 59,72,78,59,50 92,55,56...

運算及一維陣列

常見的運算子 整除 a 1 2 a 0 取餘 a 1 2 a 1 2 賦值 a 1 a a 1 a 2 a 2 a 2 a 在變數後面表示先賦值，後運算 a 在變數後面表示先運算，後賦值 a b?a b 判斷a b，如果為真，輸出啊a，如果為假，輸出b define add a,b a b 巨集定義...

合併n維陣列，並排序

var arr 2,2,3 3,5,6 6,7,9,9,11,11,12,13 15 10 arr array.from new set arr.flat infinity sort a,b console.log arr 結果為 2,3,5,6,7,9,10,11,12,13,15 表示將陣列進行...