python 将numpy维度不同的数组相加相乘操作

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。

来源：https://blog.csdn.net/weixin_43941834/article/details/99714390