NumPy add()

import numpy as np

# create two arrays
array1 = np.array([1, 2, 3])  
array2 = np.array([4, 5, 6])  

# perform element-wise addition of the two arrays
result = np.add(array1, array2)  

print(result) 

# Output: [5 7 9]

add() 语法

add() 的语法是

numpy.add(x1, x2, out = None, where = True, dtype = None)

add() 参数

add() 函数接受以下参数

• x1 和 x2 - 要相加的两个输入数组或标量
• out (可选) - 用于存储结果的输出数组
• where (可选) - 一个布尔数组或条件，用于指定要相加的元素
• dtype (可选) - 输出数组的数据类型

add() 返回值

add() 函数返回一个数组，其中包含两个数组 — x1 和 x2 — 中对应元素（或元素）的和。

示例 1：用标量（单个值）添加 NumPy 数组

import numpy as np

# create an array
array1 = np.array([1, 2, 3])

# add a scalar value to the array
result = np.add(array1, 10)

print(result)

输出

[11 12 13]

此处，np.add() 函数用于将标量值 10 添加到 array1 数组的每个元素。

示例 2：add() 中 out 和 where 的用法

import numpy as np

# create two input arrays
array1 = np.array([1, 2, 3, 5])
array2 = np.array([10, 20, 30, 50])

# create a boolean array to specify the condition for element selection
condition = np.array([True, False, True, True])

# create an empty array to store the subtracted values
result = np.empty_like(array1)

# add elements in array1 and array2 based on values in the condition array and 
# store the sum in the result array
np.add(array1, array2, where=condition, out=result)

print(result)

输出

[11  0 33 55]

输出显示了加法运算的结果，其中 array1 和 array2 中的元素仅在 condition 数组中的相应条件为 True 时相加。

result 中的第二个元素为 0，因为相应的条件值为 False，因此该元素不执行加法。

此处，out=result 指定 np.add() 的输出应存储在 result 数组中

示例 3：add() 中 dtype 参数的用法

import numpy as np

# create two arrays
array1 = np.array([1, 2, 3])
array2 = np.array([4, 5, 6])

# perform addition with floating-point data type
resultFloat = np.add(array1, array2, dtype=np.float64)

# perform addition with integer data type
resultInt = np.add(array1, array2, dtype=np.int32)

# print the result with floating-point data type
print("Floating-point result:")
print(resultFloat)

# print the result with integer data type
print("Integer result:")
print(resultInt)

输出

Floating-point result:
[5. 7. 9.]
Integer result:
[5 7 9]

这里，通过指定所需的 dtype，我们可以根据需要控制输出数组的数据类型。

此处，我们使用 dtype 参数指定了输出数组的数据类型。

注意：要了解有关 dtype 参数的更多信息，请访问 NumPy 数据类型。