摘要：Numpy 是 Python 中数值计算的重要库，为数据操作和分析提供了广泛的函数。虽然其中许多函数似乎具有重叠的功能，但行为和目的的细微差异使它们适用于不同的用例。。
Numpy 是 Python 中数值计算的重要库，为数据操作和分析提供了广泛的函数。虽然其中许多函数似乎具有重叠的功能，但行为和目的的细微差异使它们适用于不同的用例。。
执行两个数组或标量的元素相加。不聚合;相反，它直接对元素进行操作。示例：
import numpy as np# np.sumprint(np.sum([1, 2, 3])) # Output: 6# np.addprint(np.add([1, 2, 3], [4, 5, 6])) # Output: [5, 7, 9]主要区别： 使用 np.sum 进行数组聚合，使用 np.add 将两个数组元素相加。
您还可以通过链接 np.add 调用或使用 functools 模块中的 reduce 将所有数组作为参数传递来添加多个数组。np.add 执行元素级加法。
具有多个数组的示例：
import numpy as npfrom functools import reducea = np.array([1, 2, 3])b = np.array([4, 5, 6])c = np.array([7, 8, 9])# Adding three arrays using reduce and np.addresult = reduce(np.add, [a, b, c])print(result) # Output: [12 15 18]类似于 np.mean 但允许应用权重，从而能够计算加权平均值。示例：
# np.meanprint(np.mean([1, 2, 3, 4])) # Output: 2.5# np.averageprint(np.average([1, 2, 3, 4])) # Output: 2.5print(np.average([1, 2, 3, 4], weights=[0.1, 0.2, 0.3, 0.4])) # Output: 3.0a = np.array([1, 2, 3])b = np.array([4, 5, 6])c = np.array([7, 8, 9])# Average of multiple arraysresult = np.average([a, b, c], axis=0)print(result) # Output: [4. 5. 6.]您还可以使用 np.average 来计算多个数组的平均值。如果数组的长度相等，则可以将它们作为列表传递，并按元素计算所有数组的平均值。
主要区别： 对于简单均值使用 np.mean，在需要权重时使用 np.average。
创建与现有数组具有相同形状和类型的零数组。示例：
# np.zerosprint(np.zeros((2, 3))) # Output:# [[0. 0. 0.]# [0. 0. 0.]]# np.zeros_likeexisting_array = np.array([[1, 2], [3, 4]])print(np.zeros_like(existing_array)) # Output:# [[0 0]# [0 0]]示例：
# np.reshapeprint(np.reshape([1, 2, 3, 4], (2, 2))) # Output:# [[1 2]# [3 4]]# np.resizeprint(np.resize([1, 2, 3], (2, 2))) # Output:# [[1 2]# [3 1]]主要区别： 使用 np.reshape 进行严格的重塑，当您需要使用重复值进行灵活的重塑时，使用 np.resize 。
来源：自由坦荡的湖泊AI
免责声明：本站系转载，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与本站联系，我们将在第一时间删除内容!