NumPy subtract()

import numpy as np

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

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

print(result) 

# Output:  [2 4 3]

subtract() 语法

subtract() 的语法是

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

subtract() 参数

subtract() 函数接受以下参数

• x1 和 x2 - 要相减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，用于指定要减去哪些元素
• dtype (可选) - 输出数组的数据类型

subtract() 返回值

np.subtract() 函数返回一个数组，其中包含两个数组之间或数组与标量值之间的逐元素减法的结果。

示例 1：从 NumPy 数组中减去一个标量值

import numpy as np

# create an array
arr = np.array([10, 20, 30])

# subtract a scalar value from the array
result = np.subtract(arr, 5)

print(result)

输出

[ 5 15 25]

这里，np.subtract() 函数用于从 arr 数组的每个元素中减去标量值 5。

示例 2：subtract() 中 out 和 where 的用法

import numpy as np

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

# create a Boolean array as a condition for subtraction
condition = np.array([True, False, True, True])

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

# perform element-wise subtraction between array1 and array2,
# only where the condition is True and store output in result array
np.subtract(array1, array2, where=condition, out=result)

print(result)

输出

[ 9  0 27 45]

输出显示了减法操作的结果，其中 array1 和 array2 中的元素仅在相应条件为 True 时才相减。

result 中的第二个元素为 0，因为相应的条件值为 False，因此该元素的减法未发生。

这里，out=result 指定 np.subtract() 的输出将存储在 result 数组中

示例 3：subtract() 中 dtype 参数的用法

import numpy as np

# create two arrays
array1 = np.array([14, 25, 46])
array2 = np.array([7, 12, 23])

# subtract array2 from array1 with a floating-point data type
resultFloat = np.subtract(array1, array2, dtype=np.float64)

# subtract array2 from array1 with a integer data type
resultInt = np.subtract(array1, array2, dtype=np.int32)

print("Floating-point result:")
print(resultFloat)

print("\nInteger result:")
print(resultInt)

输出

Floating-point result:
[ 7. 13. 23.]

Integer result:
[ 7 13 23]

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。

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