如何为方形或提高到一个电源（按元素）一个二维数组numpy的？ [英] How to square or raise to a power (elementwise) a 2D numpy array?

问题描述

我需要一个方形二维numpy的阵列（按元素），我曾尝试以下code：

I need to square a 2D numpy array (elementwise) and I have tried the following code:

import numpy as np
a = np.arange(4).reshape(2, 2)
print a^2, '\n'
print a*a

这收益率：

[[2 3]
[0 1]]

[[0 1]
[4 9]]

显然，符号 A * A 给我我想要，结果不是 A ^ 2 。

Clearly, the notation a*a gives me the result I want and not a^2.

我想知道，如果另一个符号的存在是为了筹集numpy的阵列的2或N的力量？取而代之的 A * A * A *。* A 。

I would like to know if another notation exists to raise a numpy array to the power of 2 or N? Instead of a*a*a*..*a.

推荐答案

最快的方法是做 A * A 或 A ** 2 或 np.square（一），而 np.power（一，二）显示是相当慢。

The fastest way is to do a*a or a**2 or np.square(a) whereas np.power(a, 2) showed to be considerably slower.

np.power（）允许您使用不同的指数为每一个元素，如果不是 2 您通过另一阵指数的。从@GarethRees的意见，我刚刚得知这个功能会给你比 A ** 2 或 A * A ，这成为在您有公差小的情况下非常重要的。

np.power() allows you to use different exponents for each element if instead of 2 you pass another array of exponents. From the comments of @GarethRees I just learned that this function will give you different results than a**2 or a*a, which become important in cases where you have small tolerances.

我使用numpy的1.9.0 MKL 64位定时一些例子中，其结果如下所示：

I've timed some examples using NumPy 1.9.0 MKL 64 bit, and the results are shown below:

In [29]: a = np.random.random((1000, 1000))

In [30]: timeit a*a
100 loops, best of 3: 2.78 ms per loop

In [31]: timeit a**2
100 loops, best of 3: 2.77 ms per loop

In [32]: timeit np.power(a, 2)
10 loops, best of 3: 71.3 ms per loop

这篇关于如何为方形或提高到一个电源（按元素）一个二维数组numpy的？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！