前言

今天要繼續來介紹一下用於數學運算的函式，NumPy 太多用途了，真的非常需要好好的了解 NumPy 的各種語法。

今天會介紹 sum() 和 power() 和 transpose()。

NumPy

np.sum()

把輸入的元素相加起來的函式，完整語法如下：

np.sum(arr, axis, dtype, out)

• arr：輸入的 array
• axis：是否要根據 行 或 列 相加
• dtype：資料型態
• out：如果有 out，會將結果儲存在 out 內，這個 array 的大小必須和輸出的一樣

import numpy as np
array1 = np.array([1, 2, 3, 4, 5.2])

x = np.sum(array1, dtype = np.float32)
print(x)
# 輸出
# 15.2

y = np.sum(array1, dtype = np.uint8)
print(y)
# 輸出
# 15

• axis：底下用圖片來示意 axis = 0 或 axis = 1 的方向，他會沿著指定方向去相加出結果，不會全部加成一個常數而已。

  # axis = 0
  array1 = np.array([[1, 2, 3, 4],
                     [5, 6, 7, 8],
                     [9, 10, 11, 12]])
  
  x = np.sum(array1, axis = 0)
  
  print(x)
  # 輸出
  # [15 18 21 24]
  

  

  # axis = 0
  array1 = np.array([[1, 2, 3, 4],
                     [5, 6, 7, 8],
                     [9, 10, 11, 12]])
  
  x = np.sum(array1, axis = 1)
  
  print(x)
  # 輸出
  # [10 26 42]
  

  

np.power()

先來看一下語法：np.power(x1, x2)

把輸入的 arr 求 n 次方，x1 是 array，x2 可以是常數n 也可以是另一個 array，但是 x2 的行或列至少要有一個跟 x1 一樣

把 x1 內的每個元素都 3 次方。

x1 = np.array([1, 2, 3, 4])

z = np.power(x1, 3)

print(z)
# 輸出
# [ 1  8 27 64]

把 x1 內的每個元素對 x2 的元素取次方。

x1 = np.array([1, 2, 3, 4])
x2 = np.array([1, 2, 3, 4])
z = np.power(x1, x2)

print(z)
# 輸出
# [  1   4  27 256]

把 x1 內的每個元素對 x2 的元素取次方，並且 x2 有兩個 row 所以輸出也是兩個 row。

x1 = np.array([1, 2, 3, 4])
x2 = np.array([[1, 2, 3, 4],
               [6, 6, 6, 6]])
z = np.power(x1, x2)

print(z)
# 輸出
# [[   1    4   27  256]
#  [   1   64  729 4096]]

x1 = np.array([[4],
               [2]])
x2 = np.array([[1, 2, 3],
              [4, 5, 6]])
z = np.power(x1, x2)

print(z)
# 輸出
# [[ 4 16 64]
#  [16 32 64]]

np.transpose()

取得輸入 array 的轉置矩陣。

array1 = np.array([[1, 2, 3, 4],
                   [6, 6, 6, 6]])
x = np.transpose(array1)

print(x)
# 輸出
# [[1 6]
#  [2 6]
#  [3 6]
#  [4 6]]

結語

NumPy 的介紹就先介紹到這邊了，祝大家在學習的路上都能學到所需的知識。

待續...