Python NumPy教程之二元计算详解
作者:海拥 发布时间:2023-12-16 18:25:04
二元运算符作用于位,进行逐位运算。二元运算只是组合两个值以创建新值的规则。
numpy.bitwise_and(): 此函数用于计算两个数组元素的按位与。 此函数计算输入数组中整数的底层二进制表示的按位与。
代码#1:
# 解释 bitwise_and() 函数的 Python 程序
import numpy as geek
in_num1 = 10
in_num2 = 11
print ("Input number1 : ", in_num1)
print ("Input number2 : ", in_num2)
out_num = geek.bitwise_and(in_num1, in_num2)
print ("bitwise_and of 10 and 11 : ", out_num)
在 IDE 上运行
输出 :
Input number1 : 10
Input number2 : 11
bitwise_and of 10 and 11 : 10
代码#2:
# 解释 bitwise_and() 函数的 Python 程序
import numpy as geek
in_arr1 = [2, 8, 125]
in_arr2 = [3, 3, 115]
print ("Input array1 : ", in_arr1)
print ("Input array2 : ", in_arr2)
out_arr = geek.bitwise_and(in_arr1, in_arr2)
print ("Output array after bitwise_and: ", out_arr)
在 IDE 上运行
输出 :
Input array1 : [2, 8, 125]
Input array2 : [3, 3, 115]
Output array after bitwise_and: [ 2 0 113]
numpy.bitwise_or(): 此函数用于计算两个数组元素的按位或。 此函数计算输入数组中整数的底层二进制表示的按位或。
代码#1:
# 解释 bitwise_or() 函数的 Python 程序
import numpy as geek
in_num1 = 10
in_num2 = 11
print ("Input number1 : ", in_num1)
print ("Input number2 : ", in_num2)
out_num = geek.bitwise_or(in_num1, in_num2)
print ("bitwise_or of 10 and 11 : ", out_num)
在 IDE 上运行
输出 :
Input number1 : 10
Input number2 : 11
bitwise_or of 10 and 11 : 11
代码#2:
# 解释 bitwise_or() 函数的 Python 程序
import numpy as geek
in_arr1 = [2, 8, 125]
in_arr2 = [3, 3, 115]
print ("Input array1 : ", in_arr1)
print ("Input array2 : ", in_arr2)
out_arr = geek.bitwise_or(in_arr1, in_arr2)
print ("Output array after bitwise_or: ", out_arr)
在 IDE 上运行
输出 :
Input array1 : [2, 8, 125]
Input array2 : [3, 3, 115]
Output array after bitwise_or: [ 3 11 127]
numpy.bitwise_xor(): 此函数用于计算两个数组元素的按位异或。 此函数计算输入数组中整数的底层二进制表示的按位异或。
代码#1:
# 解释 bitwise_xor() 函数的 Python 程序
import numpy as geek
in_num1 = 10
in_num2 = 11
print ("Input number1 : ", in_num1)
print ("Input number2 : ", in_num2)
out_num = geek.bitwise_xor(in_num1, in_num2)
print ("bitwise_xor of 10 and 11 : ", out_num)
在 IDE 上运行
输出 :
Input number1 : 10
Input number2 : 11
bitwise_xor of 10 and 11 : 1
代码#2:
# 解释 bitwise_xor() 函数的 Python 程序
import numpy as geek
in_arr1 = [2, 8, 125]
in_arr2 = [3, 3, 115]
print ("Input array1 : ", in_arr1)
print ("Input array2 : ", in_arr2)
out_arr = geek.bitwise_xor(in_arr1, in_arr2)
print ("Output array after bitwise_xor: ", out_arr)
在 IDE 上运行
输出 :
Input array1 : [2, 8, 125]
Input array2 : [3, 3, 115]
Output array after bitwise_xor: [ 1 11 14]
numpy.invert(): 此函数用于计算数组元素的按位反转。 它计算输入数组中整数的底层二进制表示的按位 NOT。
对于有符号整数输入,返回二进制补码。在二进制补码系统中,负数由绝对值的二进制补码表示。
代码#1:
# 解释 invert() 函数的 Python 程序
import numpy as geek
in_num = 10
print ("Input number : ", in_num)
out_num = geek.invert(in_num)
print ("inversion of 10 : ", out_num)
在 IDE 上运行
输出 :
Input number : 10
inversion of 10 : -11
代码#2:
# 解释 invert() 函数的 Python 程序
import numpy as geek
in_arr = [2, 0, 25]
print ("Input array : ", in_arr)
out_arr = geek.invert(in_arr)
print ("Output array after inversion: ", out_arr)
在 IDE 上运行
输出 :
Input array : [2, 0, 25]
Output array after inversion: [ -3 -1 -26]
numpy.left_shift(): 此函数用于将整数的位向左移动。通过在 arr1 的右侧附加 arr2 0s(零)来向左移动位。由于数字的内部表示是二进制格式,所以这个操作相当于 arr1 乘以 2**arr2。例如,如果数字是 5,我们想要左移 2 位,那么在左移 2 位之后,结果将是 5*(2^2) = 20
代码#1:
# 解释 left_shift() 函数的 Python 程序
import numpy as geek
in_num = 5
bit_shift = 2
print ("Input number : ", in_num)
print ("Number of bit shift : ", bit_shift )
out_num = geek.left_shift(in_num, bit_shift)
print ("After left shifting 2 bit : ", out_num)
在 IDE 上运行
输出 :
Input number : 5
Number of bit shift : 2
After left shifting 2 bit : 20
代码#2:
# 解释 left_shift() 函数的 Python 程序
import numpy as geek
in_arr = [2, 8, 15]
bit_shift =[3, 4, 5]
print ("Input array : ", in_arr)
print ("Number of bit shift : ", bit_shift)
out_arr = geek.left_shift(in_arr, bit_shift)
print ("Output array after left shifting: ", out_arr)
在 IDE 上运行
输出 :
Input array : [2, 8, 15]
Number of bit shift : [3, 4, 5]
Output array after left shifting: [ 16 128 480]
numpy.right_shift(): 该函数用于将整数的位右移。由于数字的内部表示是二进制格式,因此该操作相当于将 arr1 除以 2**arr2。例如,如果数字是 20,我们想要右移 2 位,那么在右移 2 位之后,结果将是 20/(2^2) = 5。
代码#1:
# 解释 right_shift() 函数的 Python 程序
import numpy as geek
in_num = 20
bit_shift = 2
print ("Input number : ", in_num)
print ("Number of bit shift : ", bit_shift )
out_num = geek.right_shift(in_num, bit_shift)
在 IDE 上运行
输出 :
Input number : 20
Number of bit shift : 2
After right shifting 2 bit : 5
代码#2:
# 解释 right_shift() 函数的 Python 程序
import numpy as geek
in_arr = [24, 48, 16]
bit_shift =[3, 4, 2]
print ("Input array : ", in_arr)
print ("Number of bit shift : ", bit_shift)
out_arr = geek.right_shift(in_arr, bit_shift)
print ("Output array after right shifting: ", out_arr)
在 IDE 上运行
输出 :
Input array : [24, 48, 16]
Number of bit shift : [3, 4, 2]
Output array after right shifting: [3 3 4]
numpy.binary_repr(number, width=None): 该函数用于将输入数字的二进制形式表示为字符串。对于负数,如果未给出宽度,则在前面添加一个减号。如果给出了宽度,则返回与该宽度相关的数字的二进制补码。
在二进制补码系统中,负数由绝对值的二进制补码表示。这是在计算机上表示有符号整数的最常用方法。
代码#1:
# 解释 binary_repr() 函数的 Python 程序
import numpy as geek
in_num = 10
print ("Input number : ", in_num)
out_num = geek.binary_repr(in_num)
print ("binary representation of 10 : ", out_num)
在 IDE 上运行
输出 :
Input number : 10
binary representation of 10 : 1010
代码#2:
# 解释 binary_repr() 函数的 Python 程序
import numpy as geek
in_arr = [5, -8 ]
print ("Input array : ", in_arr)
# 不使用宽度参数的第一个数组元素的二进制表示
out_num = geek.binary_repr(in_arr[0])
print("Binary representation of 5")
print ("Without using width parameter : ", out_num)
# 使用宽度参数的第一个数组元素的二进制表示
out_num = geek.binary_repr(in_arr[0], width = 5)
print ("Using width parameter: ", out_num)
print("\nBinary representation of -8")
# 不使用宽度参数的第二个数组元素的二进制表示
out_num = geek.binary_repr(in_arr[1])
print ("Without using width parameter : ", out_num)
# 使用宽度参数的第二个数组元素的二进制表示
out_num = geek.binary_repr(in_arr[1], width = 5)
print ("Using width parameter : ", out_num)
在 IDE 上运行
输出 :
Input array : [5, -8]
Binary representation of 5
Without using width parameter : 101
Using width parameter: 00101
Binary representation of -8
Without using width parameter : -1000
Using width parameter : 11000
numpy.packbits(myarray, axis=None) : 此函数用于将二进制值数组的元素打包成 uint8 数组中的位。通过在末尾插入零位将结果填充到完整字节。
代码#1:
# 解释 packbits() 函数的 Python 程序
import numpy as np
# 使用数组函数创建数组
a = np.array([[[1,0,1],
[0,1,0]],
[[1,1,0],
[0,0,1]]])
# 使用 packbits() 函数打包数组的元素
b = np.packbits(a, axis=-1)
print(b)
在 IDE 上运行
输出 :
[[[160],[64]],[[192],[32]]]
numpy.unpackbits(myarray, axis=None) : 此函数用于将 uint8 数组的元素解包为二进制值输出数组。 myarray 的每个元素表示应解包为二进制值输出数组的位字段. 输出数组的形状是一维的(如果轴为无)或与输入数组的形状相同,并沿指定的轴进行解包。
代码#1:
# 解释 unpackbits() 函数的 Python 程序
import numpy as np
# 使用数组函数创建数组
a = np.array([[2], [7], [23]], dtype=np.uint8)
# 使用 packbits() 函数打包数组的元素
b = np.unpackbits(a, axis = 1)
print(b)
在 IDE 上运行
输出 :
[[0, 0, 0, 0, 0, 0, 1, 0],
[0, 0, 0, 0, 0, 1, 1, 1],
[0, 0, 0, 1, 0, 1, 1, 1]]
来源:https://juejin.cn/post/7137515368481816613


猜你喜欢
- 实现效果如下: 需求:由于后台搜索选项有很多,影响页面美观,所以一进来要隐藏一部分搜索项,只保留1行,点击【展开搜索】按钮的时候才
- 最近在看java编程思想,看到类型信息这一章,讲到了类的信息以及反射的概念。顺便温故一下php的反射东西。手册是这样说的:"PHP
- 1.什么是getters在介绍state中我们了解到,在Store仓库里,state就是用来存放数据,若是对数据进行处理输出,比如数据要过滤
- 像素误差看自己设计好上线的网站,偶尔会发觉像素行间出现了弹性空间,总在不经意间蹦出一定的差距。有些页面很难发现,比如活动类页面,这类页面多呈
- 这篇文章主要介绍了简单了解Python读取大文件代码实例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的
- 本文实例为大家分享了python傅里叶变换FFT绘制频谱图的具体代码,供大家参考,具体内容如下频谱图的横轴表示的是 频率, 纵轴表
- TCP协议用在python和wifi模块之间python建立TCP连接需要用到socket协议 如果是TCP Server,建立T
- 本文实例讲述了Python数据分析之双色球统计两个红和蓝球哪组合比例高的方法。分享给大家供大家参考,具体如下:统计两个红球和蓝球,哪个组合最
- 1.数据集分割通过datasets可以直接分别获取训练集和测试集。通常我们会将训练集进行分割,通过torch.utils.data.rand
- python版本:3.5.4系统:win10 x64通过网页下载视频方法一:使用urllib.retrieve函数放函数只需要两个参数即可下
- 当一个函数进行完成后需要重定向到一个带参数的urlURLpath('peopleapply/<int:jobid>/
- 一、Ajax 跨域请求Ajax 请求一个目标地址为非本域(协议、主机、端口任意一个不同)的 web 资源。前端http://192.168.
- 一、地理编码与逆编码地理编码与逆编码表示的是地名地址与地理坐标(经纬度)互相转换的过程。其中,将地址信息映射为地理坐标的过程称之为地理编码;
- Django中内置了邮件发送功能,被定义在django.core.mail模块中。发送邮件需要使用SMTP服务器,常用的免费服务器有:163
- 门限回归模型(Threshold Regressive Model,简称TR模型或TRM)的基本思想是通过门限变量的控制作用,当给出预报因子
- 本次内容主要是上周内容的延续,主要画出kitti车的行驶的轨迹同样的,我们先来看看最终实现的效果:视频接下来就进入一步步的编码环节。。。&n
- 前面的例子中,点击事件都是通过click()方法实现鼠标的点击事件。其实在WebDriver中,提供了许多鼠标操作的方法,这些操作方法都封装
- 工作中常常会创建一个函数来解决一些需求问题,以下是个人在工作中总结出来的创建函数20种方式,你知道多少?function sayHello(
- LRULRU(Least recently used,最近最少使用)算法根据数据的历史访问记录来进行淘汰数据,其核心思想是“如果数据最近被访
- 大家都知道搜索引擎比较喜欢H1。在SEO中H1也是很基础也很重要的一步。但有些时候为了界面风格的原因,很多标题性的文字做成了图片。大多数情况