Арифметические операции с массивами в NumPy

• 16.10.2023
• 170
• Библиотеки Python
• NumPy

Арифметические операции в NumPy легко выполняются на одномерных и многомерных массивах. Они осуществляются поэлементно, что означает, что операции выполняются для каждого соответствующего элемента массивов.

Основные операции

Сложение

import numpy as np

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])

result = a + b
print(result)  # [5, 7, 9]

Вычитание

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])

result = a - b
print(result)  # [-3, -3, -3]

Умножение

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])

result = a * b
print(result)  # [4, 10, 18]

Деление

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])

result = a / b
print(result)  # [0.25, 0.4, 0.5]

Операции с скалярами

Вы также можете комбинировать массивы с скалярами:

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

result = c + 5
print(result)  # [6, 7, 8]

result = c * 3
print(result)  # [3, 6, 9]

Возведение в степень

Возведение в степень также выполняется поэлементно:

base = np.array([2, 3, 4])
powers = np.array([3, 2, 1])

result = np.power(base, powers)
print(result)  # [8, 9, 4]

Комплексные операции

Вы можете комбинировать различные арифметические операции, чтобы получить желаемый результат:

x = np.array([1, 2, 3])
y = np.array([4, 5, 6])

result = (x + y) * 2 - y**2
print(result)  # [ -6 -11 -18]

Важные моменты

• Трансляция (Broadcasting): Если массивы различаются по размеру, NumPy пытается "транслировать" меньший массив на больший. Это работает только в определенных случаях, и если условия не удовлетворены, будет вызвано исключение.
• Поэлементные операции: Все стандартные арифметические операции в NumPy выполняются поэлементно. Это означает, что если вы умножаете два массива, NumPy умножит каждый элемент первого массива на соответствующий элемент второго массива.
• Предостережение при делении: При делении на ноль NumPy не вызывает ошибку, вместо этого он возвращает inf или nan. Но он выдает предупреждение, так что будьте внимательны.

Заключение

Арифметические операции в NumPy просты, но мощны. Они предоставляют эффективные и быстрые методы для выполнения математических операций на массивах, что делает NumPy отличным инструментом для научных и инженерных расчетов.