numpy函数使用大全python

numpy 是一个功能强大的数学计算库，提供了众多函数和方法来处理和操作数组、矩阵和数值数据。以下是一些常用的 numpy 函数的简要介绍：

1. 创建数组：

• numpy.array()：创建数组。
• numpy.zeros()：创建全零数组。
• numpy.ones()：创建全一数组。
• numpy.empty()：创建未初始化数组。
• numpy.arange()：创建等差数组。

1. 数组操作：

• numpy.shape()：获取数组的形状。
• numpy.reshape()：改变数组的形状。
• numpy.concatenate()：连接多个数组。
• numpy.split()：分割数组。
• numpy.transpose()：转置数组。

1. 数学函数：

• numpy.add()：数组元素相加。
• numpy.subtract()：数组元素相减。
• numpy.multiply()：数组元素相乘。
• numpy.divide()：数组元素相除。
• numpy.power()：数组元素求幂。
• numpy.sqrt()：数组元素开方。
• numpy.sum()：数组元素求和。
• numpy.mean()：数组元素求平均值。
• numpy.max()：数组元素的最大值。
• numpy.min()：数组元素的最小值。

1. 数组索引和切片：

• numpy.argmax()：返回数组中最大值的索引。
• numpy.argmin()：返回数组中最小值的索引。
• numpy.sort()：对数组进行排序。
• numpy.argsort()：返回数组排序后的索引。
• numpy.max()：返回数组的最大值。
• numpy.min()：返回数组的最小值。
• numpy.where()：根据条件返回数组中的元素。

 

np 是 numpy 库的缩写，是一个流行的、功能强大的数学计算库。numpy 提供了许多用于处理数组和执行数值计算的函数和工具。

以下是一些常用的 numpy 函数和方法的示例：

1. 创建数组：

import numpy as np

# 创建一维数组
a = np.array([1, 2, 3, 4, 5])

# 创建二维数组
b = np.array([[1, 2, 3], [4, 5, 6]])

# 创建特定范围的数组
c = np.arange(0, 10, 2)  # 创建从0到10（不包括10），步长为2的数组

# 创建全零或全一数组
d = np.zeros((3, 3))  # 创建一个3x3的全零数组
e = np.ones((2, 2))   # 创建一个2x2的全一数组

1. 数组操作：

import numpy as np

# 获取数组的形状
shape = np.shape(a)

# 改变数组的形状
reshaped_array = np.reshape(a, (2, 3))

# 连接多个数组
concatenated_array = np.concatenate((a, b))

# 分割数组
split_arrays = np.split(a, 2)

# 转置数组
transposed_array = np.transpose(b)

1. 数学函数：

import numpy as np

# 数组元素相加
sum_result = np.add(a, b)

# 数组元素相减
subtraction_result = np.subtract(a, b)

# 数组元素相乘
multiplication_result = np.multiply(a, b)

# 数组元素相除
division_result = np.divide(a, b)

# 数组元素求幂
power_result = np.power(a, 2)

# 数组元素开方
square_root_result = np.sqrt(a)

# 求数组元素的和
sum_of_elements = np.sum(a)

# 求数组元素的平均值
mean_value = np.mean(a)

# 求数组元素的最大值
max_value = np.max(a)

# 求数组元素的最小值
min_value = np.min(a)

这只是 numpy 库提供的一小部分功能，还有很多其他函数和方法可用于不同的数学计算和操作。你可以参考 numpy 官方文档或其他教程来学习更多 numpy 的用法。

希望对你有所帮助！如果你有其他问题，请随时提问。