第一种

np矩阵可以直接与标量运算

>>>import numpy as np>>>arr1 = np.arange(12).reshape([2,2,3])>>>arr1array([[[ 0, 1, 2], [ 3, 4, 5]], [[ 6, 7, 8], [ 9, 10, 11]]])>>>arr1*5array([[[ 0, 5, 10], [15, 20, 25]], [[30, 35, 40], [45, 50, 55]]])>>>arr1-5array([[[-5, -4, -3], [-2, -1, 0]], [[ 1, 2, 3], [ 4, 5, 6]]])>>>arr1**2array([[[ 0, 1, 4], [ 9, 16, 25]], [[ 36, 49, 64], [ 81, 100, 121]]])

第二种

若arr1是高维数组，如果arr2的维度与arr1某个子数组维度相同，那么可以相互作运算。

PyDev console: starting.Python 3.7.3 (v3.7.3:ef4ec6ed12, Mar 25 2019, 16:52:21) [Clang 6.0 (clang-600.0.57)] on darwin>>>import numpy as np>>>arr1 = np.arange(12).reshape([2,2,3])>>>arr1array([[[ 0, 1, 2], [ 3, 4, 5]], [[ 6, 7, 8], [ 9, 10, 11]]])>>>arr2 = np.array([2,2,2])>>>arr2array([2, 2, 2])>>>arr1*arr2array([[[ 0, 2, 4], [ 6, 8, 10]], [[12, 14, 16], [18, 20, 22]]])>>>arr3 = np.arange(6).reshape([2,3])>>>arr1*arr3array([[[ 0, 1, 4], [ 9, 16, 25]], [[ 0, 7, 16], [27, 40, 55]]])

补充：python 按不同维度求和，最值，均值

当变量维数加大时很难想象是怎样按不同维度求和的，高清楚一个，其他的应该就很清楚了，什么都不说了，上例子，例子一看便明白…..

a=range(27)a=np.array(a)a=np.reshape(a,[3,3,3])

输出a的结果是:

array([[[ 0, 1, 2], [ 3, 4, 5], [ 6, 7, 8]], [[ 9, 10, 11], [12, 13, 14], [15, 16, 17]], [[18, 19, 20], [21, 22, 23], [24, 25, 26]]])

我们来看看 aa=np.sum(a,-1)的输出：

array([[ 3, 12, 21],[30, 39, 48],[57, 66, 75]])

bb=np.sum(a,2) 的输出

array([[ 3, 12, 21], [30, 39, 48], [57, 66, 75]])

cc=np.sum(a,0)的输出：

array([[27, 30, 33], [36, 39, 42], [45, 48, 51]])

cc=np.sum(a,1)的输出：

array([[ 9, 12, 15], [36, 39, 42], [63, 66, 69]])

第-1个维度与第2个维度是一样的，第-1个维度实际是指最后一个维度。

以上为个人经验，希望能给大家一个参考，也希望大家多多支持。如有错误或未考虑完全的地方，望不吝赐教。