在 NumPy 中将 ufunc outer() 函数应用于一维数组的所有配对

我们将 ufunc outer() 函数应用于一维数组的所有配对。numpy.ufunc 包含对整个数组逐元素进行操作的函数。ufunc是用 C 语言编写的（为了提高速度），并通过 NumPy 的 ufunc 功能链接到 Python 中。

通用函数（简称 ufunc）是一种以逐元素方式对 ndarray 进行操作的函数，支持数组广播、类型转换和许多其他标准功能。也就是说，ufunc 是对一个函数的“矢量化”包装器，该函数接受固定数量的特定输入并产生固定数量的特定输出。

步骤

首先，导入所需的库 -

import numpy as np

numpy.ufunc 包含对整个数组逐元素进行操作的函数。ufunc是用 C 语言编写的（为了提高速度），并通过 NumPy 的 ufunc 功能链接到 Python 中 -

创建两个一维数组 -

arr1 = np.array([5, 10, 15, 20, 25, 30, 35, 40])
arr2 = np.array([7, 14, 21, 28, 35])

显示数组 -

print("Array 1...
", arr1)
print("
Array 2...
", arr2)

获取数组的类型 -

print("
Our Array 1 type...
", arr1.dtype)
print("
Our Array 2 type...
", arr2.dtype)

获取数组的维度 -

print("
Our Array 1 Dimensions...
",arr1.ndim)
print("
Our Array 2 Dimensions...
",arr2.ndim)

获取数组的形状 -

print("
Our Array 1 Shape...
",arr1.shape)
print("
Our Array 2 Shape...
",arr2.shape)

将 ufunc outer() 函数应用于所有 1D 数组对 -

res = np.multiply.outer(arr1, arr2)
print("
Result...
",res)
print("
Shape...
",res.shape)

示例

import numpy as np

# The numpy.ufunc has functions that operate element by element on whole arrays.
# ufuncs are written in C (for speed) and linked into Python with NumPy's ufunc facility

# Create two 1D arrays
arr1 = np.array([5, 10, 15, 20, 25, 30, 35, 40])
arr2 = np.array([7, 14, 21, 28, 35])

# Display the arrays
print("Array 1...
", arr1)
print("
Array 2...
", arr2)

# Get the type of the arrays
print("
Our Array 1 type...
", arr1.dtype)
print("
Our Array 2 type...
", arr2.dtype)

# Get the dimensions of the Arrays
print("
Our Array 1 Dimensions...
",arr1.ndim)
print("
Our Array 2 Dimensions...
",arr2.ndim)

# Get the shape of the Arrays
print("
Our Array 1 Shape...
",arr1.shape)
print("
Our Array 2 Shape...
",arr2.shape)

# Apply the ufunc outer() function to all pairs of 1D arrays
res = np.multiply.outer(arr1, arr2)
print("
Result...
",res)
print("
Shape...
",res.shape)

输出

Array 1...
[ 5 10 15 20 25 30 35 40]

Array 2...
[ 7 14 21 28 35]

Our Array 1 type...
int64

Our Array 2 type...
int64

Our Array 1 Dimensions...
1

Our Array 2 Dimensions...
1

Our Array 1 Shape...
(8,)

Our Array 2 Shape...
(5,)

Result...
[[ 35 70 105 140 175]
[ 70 140 210 280 350]
[ 105 210 315 420 525]
[ 140 280 420 560 700]
[ 175 350 525 700 875]
[ 210 420 630 840 1050]
[ 245 490 735 980 1225]
[ 280 560 840 1120 1400]]

Shape...
(8, 5)

更新于: 2022-02-07

101 次浏览

开启你的 职业生涯

通过完成课程获得认证

立即开始
广告