Python学习：numpy的典型用法
NumPy 是一个功能强大的库，它提供了大量的方法来处理数组和进行数学运算。以下是一些常见和有用的 NumPy 功能的示例：
创建不同类型的数组
全零数组：
import numpy as np
zeros_array = np.zeros((3, 4))
print("全零数组：\n", zeros_array)
全一数组：
ones_array = np.ones((2, 3))
print("全一数组：\n", ones_array)
单位矩阵（对角线为1）：
identity_matrix = np.eye(4)
print("单位矩阵：\n", identity_matrix)
随机数组：
random_array = np.random.random((2, 2))
print("随机数组：\n", random_array)
数组操作
数组索引和切片：
a = np.array([1, 2, 3, 4, 5])
print("索引操作：", a[2]) # 输出元素 3
print("切片操作：", a[1:4]) # 输出 [2, 3, 4]
条件索引：
b = np.array([1, 2, 3, 4, 5])
print("条件索引：", b[b > 2]) # 输出所有大于2的元素
数组维度变换：
c = np.array([[1, 2, 3], [4, 5, 6]])
print("原始数组：\n", c)
print("转置数组：\n", c.T) # 转置数组
数学运算
基本运算：
x = np.array([1, 2, 3], dtype=np.float64)
y = np.array([4, 5, 6], dtype=np.float64)
print("加法：", np.add(x, y))
print("减法：", np.subtract(x, y))
print("乘法：", np.multiply(x, y))
print("除法：", np.divide(x, y))
统计运算
data = np.array([1, 2, 3, 4, 5])
print("平均值：", np.mean(data))
print("标准差：", np.std(data))
print("总和：", np.sum(data))
线性代数运算：
mat1 = np.array([[1, 2], [3, 4]])
mat2 = np.array([[5, 6], [7, 8]])
print("矩阵乘法：\n", np.dot(mat1, mat2))
广播机制
-
NumPy 的广播机制可以让不同形状的数组进行数学运算：
array1 = np.array([1, 2, 3])
array2 = np.array([[0], [1], [2]])
print("广播机制结果：\n", array1 + array2)