14 逐元运算

概念

逐元运算（也译作 “按元素运算”）是 NumPy 中最基础、最核心的运算类型，核心逻辑是：对两个（或一个）数组的「对应位置元素」逐一进行相同的算术 / 逻辑操作，运算结果的形状和原数组完全一致 ，简单说就是 “一对一操作，位置不变、形状不变”。

逐元运算的核心特征

1. 元素级匹配：只有位置完全对应的元素才会相互运算（比如数组 A 的第 i 行第 j 列元素，只和数组 B 的第 i 行第 j 列元素运算）；
2. 形状对齐：要么两个数组形状完全相同，要么能通过「广播机制」扩展为相同形状（否则报错）；
3. 结果形状不变：运算后数组的行数、列数和原数组一致（广播扩展的除外）。

算术运算

加法

使用 + 对两个数组 逐元相加

import numpy as np

data = np.array([1, 2])

ones = np.ones(2, dtype=int)

result = data + ones

print(result)

减法

使用-运算符对两个数组进行逐元相减

import numpy as np

data = np.array([1, 2])

ones = np.ones(2, dtype=int)

result = data - ones

print(result)

乘法

使用*运算符或np.multiply()函数进行逐元乘法，即两个数组对应元素相乘

import numpy as np

data = np.array([1, 2])

ones = np.ones(2, dtype=int)

result = data * data

print(result)

print(np.multiply(data, data))

除法

使用/运算符进行逐元除法，即两个数组对应元素相除

import numpy as np

data = np.array([1, 2])

ones = np.ones(2, dtype=int)

result = data / data

print(result)

幂运算

使用**运算符进行逐元幂运算，即对数组中每个元素进行幂运算

import numpy as np

data = np.array([1, 2])

ones = np.ones(2, dtype=int)

result = data ** data

print(result)

比较运算

可以使用>、<、==、>=、<=等运算符对两个数组进行逐元比较，返回的结果是一个布尔数组，其中对应位置的元素根据比较结果为True或False

import numpy as np

a = np.array([1, 3, 5])

b = np.array([2, 4, 6])

print(a > b)

print(a < b)

print(a == b)

逐元运算的特点和优势

1. 简洁高效：通过简单的运算符或函数调用即可实现对整个数组的批量运算，无需手动遍历数组元素，大大提高了代码的简洁性和执行效率。
2. 向量化操作：充分利用了 NumPy 底层的优化机制，能够快速处理大规模数据，比使用 Python 原生的循环操作快很多，尤其在科学计算和数据分析中，能够显著提升计算性能。
3. 保持维度一致性：逐元运算的结果数组与输入数组维度相同，方便后续的数据处理和分析，例如可以直接将逐元运算的结果作为其他函数或算法的输入，而无需担心维度不匹配的问题。

简单记：逐元运算就是 “挨个算”，每个元素各算各的，位置不挪、形状不变。