第一种
np矩阵可以直接与标量运算
>>>import numpy as np
>>>arr1 = np.arange(12).reshape([2,2,3])
>>>arr1
array([[[ 0, 1, 2],
[ 3, 4, 5]],
[[ 6, 7, 8],
[ 9, 10, 11]]])
>>>arr1*5
array([[[ 0, 5, 10],
[15, 20, 25]],
[[30, 35, 40],
[45, 50, 55]]])
>>>arr1-5
array([[[-5, -4, -3],
[-2, -1, 0]],
[[ 1, 2, 3],
[ 4, 5, 6]]])
>>>arr1**2
array([[[ 0, 1, 4],
[ 9, 16, 25]],
[[ 36, 49, 64],
[ 81, 100, 121]]])
第二种
若arr1是高维数组，如果arr2的维度与arr1某个子数组维度相同，那么可以相互作运算。
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])
>>>arr1
array([[[ 0, 1, 2],
[ 3, 4, 5]],
[[ 6, 7, 8],
[ 9, 10, 11]]])
>>>arr2 = np.array([2,2,2])
>>>arr2
array([2, 2, 2])
>>>arr1*arr2
array([[[ 0, 2, 4],
[ 6, 8, 10]],
[[12, 14, 16],
[18, 20, 22]]])
>>>arr3 = np.arange(6).reshape([2,3])
>>>arr1*arr3
array([[[ 0, 1, 4],
[ 9, 16, 25]],
[[ 0, 7, 16],
[27, 40, 55]]])
补充：python 按不同维度求和，最值，均值
当变量维数加大时很难想象是怎样按不同维度求和的，高清楚一个，其他的应该就很清楚了，什么都不说了，上例子，例子一看便明白…..
a=range(27)
a=np.array(a)
a=np.reshape(a,[3,3,3])
输出a的结果是:
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]]])
我们来看看 aa=np.sum(a,-1)的输出：
array([[ 3, 12, 21],
[30, 39, 48],
[57, 66, 75]])
bb=np.sum(a,2) 的输出
array([[ 3, 12, 21],
[30, 39, 48],
[57, 66, 75]])
cc=np.sum(a,0)的输出：
array([[27, 30, 33],
[36, 39, 42],
[45, 48, 51]])
cc=np.sum(a,1)的输出：
array([[ 9, 12, 15],
[36, 39, 42],
[63, 66, 69]])
第-1个维度与第2个维度是一样的，第-1个维度实际是指最后一个维度。
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。如有错误或未考虑完全的地方，望不吝赐教。
您可能感兴趣的文章:- numpy 声明空数组详解
- Numpy将二维数组添加到空数组的实现
- 在NumPy中创建空数组/矩阵的方法
- NumPy实现ndarray多维数组操作
- 如何在向量化NumPy数组上进行移动窗口
- 如何将numpy二维数组中的np.nan值替换为指定的值
- 解决numpy数组互换两行及赋值的问题
- python numpy.power()数组元素求n次方案例
- Python 用NumPy创建二维数组的案例
- Numpy ndarray 多维数组对象的使用
- 浅谈Python numpy创建空数组的问题
