資料結構
網路
RDBMS
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物
數學
英語
經濟
心理學
社會研究
時尚研究
法律研究使用Numpy中的廣播計算兩個向量相加
要生成模擬廣播的物件，請使用 Python Numpy 中的 **numpy.broadcast()** 方法。如果上述規則生成的結果有效，且以下條件之一為真，則稱一套陣列可廣播 −
- 陣列的形狀完全相同。
- 陣列的維度數相同，且每個維度的長度要麼是公共長度，要麼是 1。
- 維度過少的陣列可以將長度為 1 的維度前置到它的形狀， ώ 使得上述所述性質為真。
步驟
首先，匯入必需的庫 −
import numpy as np
建立兩個陣列 −
arr1 = np.array([[5, 10, 15], [25, 30, 35]]) arr2 = np.array([[7, 14, 21], [28, 35, 56]])
顯示陣列 −
print("Array 1...
", arr1)
print("
Array 2...
", arr2)獲取陣列的型別 −
print("
Our Array 1 type...
", arr1.dtype)
print("
Our Array 2 type...
", arr2.dtype)獲取陣列的維度 −
print("
Our Array 1 Dimensions...
",arr1.ndim)
print("
Our Array 2 Dimensions...
",arr2.ndim)獲取陣列的形狀 −
print("
Our Array 1 Shape...
",arr1.shape)
print("
Our Array 2 Shape...
",arr2.shape)要生成模擬廣播的物件，請使用 numpy.broadcast () 方法 −
x = np.broadcast(arr1, arr2)
res = np.empty(x.shape)
res.flat = [i+j for (i,j) in x]
print("
Result...
",res)示例
import numpy as np
# Create two arrays
arr1 = np.array([[5, 10, 15], [25, 30, 35]])
arr2 = np.array([[7, 14, 21], [28, 35, 56]])
# Display the arrays
print("Array 1...
", arr1)
print("
Array 2...
", arr2)
# Get the type of the arrays
print("
Our Array 1 type...
", arr1.dtype)
print("
Our Array 2 type...
", arr2.dtype)
# Get the dimensions of the Arrays
print("
Our Array 1 Dimensions...
",arr1.ndim)
print("
Our Array 2 Dimensions...
",arr2.ndim)
# Get the shape of the Arrays
print("
Our Array 1 Shape...
",arr1.shape)
print("
Our Array 2 Shape...
",arr2.shape)
# To produce an object that mimics broadcasting, use the numpy.add() method in Python Numpy
x = np.broadcast(arr1, arr2)
res = np.empty(x.shape)
res.flat = [i+j for (i,j) in x]
print("
Result...
",res)輸出
Array 1... [[ 5 10 15] [25 30 35]] Array 2... [[ 7 14 21] [28 35 56]] Our Array 1 type... int64 Our Array 2 type... int64 Our Array 1 Dimensions... 2 Our Array 2 Dimensions... 2 Our Array 1 Shape... (2, 3) Our Array 2 Shape... (2, 3) Result... [[12. 24. 36.] [53. 65. 91.]]
更新時間： 2022 年 2 月 17 日
250 次瀏覽
廣告