np矩陣可以直接與標(biāo)量運(yùn)算

>>>import numpy as np>>>arr1 = np.arange(12).reshape([2,2,3])>>>arr1array([[[ 0, 1, 2], [ 3, 4, 5]], [[ 6, 7, 8], [ 9, 10, 11]]])>>>arr1*5array([[[ 0, 5, 10], [15, 20, 25]], [[30, 35, 40], [45, 50, 55]]])>>>arr1-5array([[[-5, -4, -3], [-2, -1, 0]], [[ 1, 2, 3], [ 4, 5, 6]]])>>>arr1**2array([[[ 0, 1, 4], [ 9, 16, 25]], [[ 36, 49, 64], [ 81, 100, 121]]])第二種

若arr1是高維數(shù)組，如果arr2的維度與arr1某個(gè)子數(shù)組維度相同，那么可以相互作運(yùn)算。

PyDev console: starting.Python 3.7.3 (v3.7.3:ef4ec6ed12, Mar 25 2019, 16:52:21) [Clang 6.0 (clang-600.0.57)] on darwin>>>import numpy as np>>>arr1 = np.arange(12).reshape([2,2,3])>>>arr1array([[[ 0, 1, 2], [ 3, 4, 5]], [[ 6, 7, 8], [ 9, 10, 11]]])>>>arr2 = np.array([2,2,2])>>>arr2array([2, 2, 2])>>>arr1*arr2array([[[ 0, 2, 4], [ 6, 8, 10]], [[12, 14, 16], [18, 20, 22]]])>>>arr3 = np.arange(6).reshape([2,3])>>>arr1*arr3array([[[ 0, 1, 4], [ 9, 16, 25]], [[ 0, 7, 16], [27, 40, 55]]])

補(bǔ)充：python 按不同維度求和，最值，均值

當(dāng)變量維數(shù)加大時(shí)很難想象是怎樣按不同維度求和的，高清楚一個(gè)，其他的應(yīng)該就很清楚了，什么都不說(shuō)了，上例子，例子一看便明白…..

a=range(27)a=np.array(a)a=np.reshape(a,[3,3,3])

輸出a的結(jié)果是:

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], [24, 25, 26]]])

我們來(lái)看看 aa=np.sum(a,-1)的輸出：

array([[ 3, 12, 21],[30, 39, 48],[57, 66, 75]])

bb=np.sum(a,2) 的輸出

array([[ 3, 12, 21], [30, 39, 48], [57, 66, 75]])

cc=np.sum(a,0)的輸出：

array([[27, 30, 33], [36, 39, 42], [45, 48, 51]])

cc=np.sum(a,1)的輸出：

array([[ 9, 12, 15], [36, 39, 42], [63, 66, 69]])

第-1個(gè)維度與第2個(gè)維度是一樣的，第-1個(gè)維度實(shí)際是指最后一個(gè)維度。

以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持好吧啦網(wǎng)。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教。