大家好，本文主要讲Python中numpy数组的计算和转置的详细讲解。有兴趣的同学过来看看。如果对你有帮助，记得收藏起来下次浏览。
目录
前言1。numpy数组和数字运算2。同样大小的numpy数组操作3。不同大小的numpy数组计算4。numpy数组的转置摘要：
前言
本文主要讲述numpy数组的计算和转置，相同大小数组的运算和不同大小数组的运算，并介绍了三种数组转置的方法。
numpy数组的操作比较枯燥，但是很实用。它将用于许多机器学习和深度学习算法中。numpy数组上的一些操作。
1、numpy数组与数的运算
包括数组和数字的主加减乘除。废话不多说，看看代码：
将numpy作为np导入
a=np.array([[1，2，3，4，5，6]，[7，8，9，10，11，12]])
#数组A中的每个数字都是1吗
b=a 1
打印(b)
#将数组A中的每个数字设置为-3
c=a-3
打印(c)
#将每个数字放入数组A *3中
d=a*3
打印(d)
#将数组A中的每个数字除以3
e=a/3
打印(e)
运行结果如下：
2、numpy相同尺寸的数组运算
Numpy相同大小的加、减、乘、除，代码如下：
将numpy作为np导入
a=np.array([[1，2，3，4，5，6]，[7，8，9，10，11，12]])
b=np.array([[11，22，33，44，55，66]，[77，88，99，10，11，12]])
#数组A和数组B的相加
c=a b
打印(c)
#数组A和数组B相减
a-b
打印(d)
#数组A和数组B的乘法
e=a*b
打印(e)
#阵列A和阵列B之间的划分
f=a/b
打印(f)
运行结果如下：
3、numpy不同尺寸的数组计算
遵循广播原理，也可以操作不同大小的Numpy阵列。代码如下：
将numpy作为np导入
a=np.array([[1，2，3，4，5，6]，[7，8，9，10，11，12]])
b=np.array([1，2，3，4，5，6])
c=np.array([[1]，[2]])
打印(一份)
打印(b)
打印(c)
#数组A和数组B相减
a-b
打印(d)
#数组A和数组B的乘法
e=a*b
打印(e)
#数组A和数组C相减
f=交流
打印(f)
#数组A和数组C的乘法
g=a*c
打印(g)
运行结果如下：
你可以看到它们之间的区别。所有的数组操作都遵循广播原理。
4、numpy数组的转置
换位方式主要有三种，具体编码如下：
将numpy作为np导入
a=np.array([[1，2，3，4，5，6]，[7，8，9，10，11，12]，[13，14，15，16，17，18]])
#数组转置的三种方法
转置(a)
c=a.T
d=a.swapaxes(1，0)
打印(一份)
打印(b)
打印(c)
打印(d)
运行结果如下：
总结：
这次说的话简单又无聊，连我都没有什么好解释的。但确实numpy数组是一个重要的不可或缺的部分。可以试试代码，看看效果，了解一下数组的操作。可以搜索一下数组的广播原理了解一下！
关于Python中numpy数组的计算和转置的详细讲解，本文到此为止。关于Python中Numpy数组的计算和转置的更多信息，请搜索我们之前的文章或者继续浏览下面的相关文章。希望大家以后能多多支持我们！
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。