import numpy
a = [1, 2, 3, 4]
b = [5, 6, 7, 8]
a_array = numpy.array(a)
b_array = numpy.array(b)
c_array = a_array + b_array
d_array = a_array - b_array
print c_array
print d_array
扩展资料:
算术运算结果的数字类型与运算数的类型有关。进行除法(/)运算时,不管商为整数还是浮点数,运算结果始终为浮点数。要得到整型的商,需要用双斜杠(//)做整除,且除数必须是整型的。对于其他的运算,只要任一运算数为浮点数,运算结果就是浮点数。Python算术运算的基础使用方法如下所示。
num_int = 4
num_float = 4.0
print('整数与浮点数的和为:', num_int + num_float)
#Out[1]: 整数与浮点数的和为:8.0
print('整数与浮点数的差为:', num_int - num_float)
#Out[2]: 整数与浮点数的差为: 0.0
print('整数与浮点数的积为:', num_int * num_float)
#Out[3]: 整数与浮点数的积为:16.0
print('浮点数与整数的商为:', num_float / num_int)
#Out[4]: 浮点数与整数的商为:1.0
print('浮点数对整数取模结果为:', num_float % num_int)
#Out[5]: 浮点数对整数取模结果为: 0.0
print('浮点数的整数次幂为:', num_float ** num_int)
#Out[6]: 浮点数的整数次幂为:256.0
>>>a =[[1,2,3,6],[2,6,3,9],[3,7,9,0]]>>>b =[[5,7,3,1],[5,7,2,4],[12,34,56,98]]
>>>c = [[a[i][j] -b[i][j] for j in range(4)] for i in range(3)]
>>>c
[[-4, -5, 0, 5], [-3, -1, 1, 5], [-9, -27, -47, -98]]
numpy计算平均数 标准差 相关系数等基本知识
NumPy 是python 语言的一个第三方库,其支持大量高维度数组与矩阵运算。此外,NumPy 也针对数组运算提供大量的数学函数。
#导入Numpy库,并命名为np
import numpy as np
#创建一维数组
a = np.array([1, 2, 3])
# NumPy可以很方便地创建连续数组,比如我使用arange或linspace函数进行创建:
b = np.arange(1,5,1) // 返回一个有终点和起点、固定步长的排列,如起点是1,终点是4,步长为1,即【1,2,3,4】,
c = np.linspace(1,9,5) 返回一个有终点和起点、元素个数的的排列,如起点是1,终点是9,元素个数为5,即【1,3,5,7,9】
#通过NumPy可以自由地创建等差数组,同时也可以进行加、减、乘、除、求n次方和取余数。
求和:np.sum(a)
求取平均值:np.mean(a)
求取中位数:np.median(a)
求取加权平均数:np.average(a)
求取方差:var() np.var(a)
求取最小值:np.amin(a)
求取最大值:np.amax(a)
将两个数相加:np.add(x1, x2)
将两个数相减:np.subtract(x1, x2)
将两个数相乘:np.multiply(x1, x2)
将两个数相除:np.divide(x1, x2)
立方:np.power(x1, x2)
除余:np.remainder(x1, x2)
相关系数计算:np.corrcoef(a1, a2) (a1、a2都是矩阵)