Arithmetik¶

Arrays ermöglichen euch, Stapeloperationen auf Daten durchzuführen ohne for-Schleifen verwenden zu müssen. Dies wird bei NumPy Vektorisierung genannt. Bei allen arithmetischen Operationen zwischen Arrays gleicher Größe wird die Operation elementweise angewendet:

[1]:

import numpy as np


rng = np.random.default_rng()
data = rng.random((7, 3))
data

[1]:

array([[0.3377999 , 0.37343236, 0.61613397],
       [0.71191857, 0.35041942, 0.64726029],
       [0.06018761, 0.83997689, 0.31628701],
       [0.14621145, 0.26867346, 0.07336511],
       [0.22718287, 0.77538148, 0.40654442],
       [0.44235763, 0.34000371, 0.53182733],
       [0.98246577, 0.08442906, 0.33648811]])

[2]:

1 / data

[2]:

array([[ 2.96033241,  2.6778611 ,  1.62302363],
       [ 1.40465503,  2.8537231 ,  1.5449735 ],
       [16.6147153 ,  1.19050894,  3.1616853 ],
       [ 6.8394097 ,  3.7219903 , 13.63045757],
       [ 4.40174025,  1.28968776,  2.45975579],
       [ 2.26061434,  2.94114442,  1.88030952],
       [ 1.01784717, 11.84426242,  2.97187318]])

[3]:

data**2

[3]:

array([[0.11410877, 0.13945173, 0.37962107],
       [0.50682805, 0.12279377, 0.41894589],
       [0.00362255, 0.70556118, 0.10003747],
       [0.02137779, 0.07218543, 0.00538244],
       [0.05161206, 0.60121644, 0.16527837],
       [0.19568027, 0.11560252, 0.28284031],
       [0.96523899, 0.00712827, 0.11322425]])

Vergleich zweier Arrays:

[4]:

data2 = rng.random((7, 3))
data > data2

[4]:

array([[ True, False,  True],
       [ True, False,  True],
       [False,  True, False],
       [False, False, False],
       [ True,  True, False],
       [ True, False,  True],
       [ True, False, False]])