添加两个ndarray a和b时,numpy.add(a,b)
和a+b
之间是否有任何区别?
文档说numpy.add
是here。
但我并不知道这意味着什么,因为numpy.add(numpy.array([1,2,3]),4)
也有效。
答案 0 :(得分:3)
在Python语法中,a+b
被翻译为a.__add__(b)
。 a.__add__
是一种为a
类型的对象实现添加的方法。数字有这样的方法,列表也有([1,3]+[4]
),字符串也是如此('abc'+'d'
)。
numpy
已为其__add__
类实施了__...
(以及其他标准ndarray
方法)(至少对于数字dtypes
)。
这是所有标准的Python和numpy
并且永远存在。
np.add
是ufunc
。查看其文档 - 请参阅out
参数和Binary ufuncs:
部分。它是一个函数,并且有一些方法,如reduce
,reduceat
等a.__add__
(和+
)没有。
如果您有两个数组或数字,并且想要对它们求和,那么自然就是使用+
,a+b
。 np.add
在某些特殊情况下很有用
比较,例如,两个列表会发生什么:
In [16]: [1,2,3]+[4]
Out[16]: [1, 2, 3, 4] # default list concatenation
In [17]: np.add([1,2,3],[4])
Out[17]: array([5, 6, 7]) # convert lists to arrays and sum
或使用2d广播的示例:
In [19]: np.add([[1],[2],[3]],[4,1])
Out[19]:
array([[5, 2],
[6, 3],
[7, 4]])
In [20]: np.array([1,2,3])[:,None]+np.array([4,1])
Out[20]:
array([[5, 2],
[6, 3],
[7, 4]])
你的例子:
In [21]: numpy.add(numpy.array([1,2,3]),4)
Out[21]: array([5, 6, 7])
In [22]: numpy.array([1,2,3])+4
Out[22]: array([5, 6, 7])
“就阵列广播而言,相当于x1 + x2。”意味着,他们既工作又做同样的事情。
broadcasting
是另一个主题。
==================
@
运算符与np.matmul
并行不完全相同。 @
运算符是Python解释器的最新成员。它被转换为对__matmul__
方法的调用 - 如果已定义。新的numpy
版本有这样的定义。但是没有为Python数字或列表定义该方法。还有一个功能版本np.matmul
,引用相同的代码。还有x.dot
和np.dot
配对,但没有Python识别的运算符或x.__dot__
。
答案 1 :(得分:0)
我相信add()
是第一个,图书馆改进并获得了正常的数学运算符。
@
执行。在此之前,矩阵多个数组只能通过数组的dot()
方法完成。
广播意味着能够在不同大小的数组之间执行操作,例如向整个数组添加数字。这也适用于数组上的运算符。
向数组添加数字只是广播能力的一个很小的例子。您可以在Broadcasting中详细了解相关信息 这是一个非常酷的功能,可以节省内存和编码,但在第一次阅读时并不那么容易理解。