NumPy（Numerical Python, np）中常用的几种计算方法：

NumPy（Numerical Python）是用于科学计算的一个强大的数学库，提供了大量的数学、逻辑、数组操作等功能。以下是 NumPy 中常用的几种计算方法：

1、数组的创建：??

• np.array(): 从 Python 列表或元组创建数组。
• np.zeros(): 创建全零数组。
• np.ones(): 创建全一数组。
• np.arange(): 创建等差数组。
• np.linspace(): 创建指定范围内的等间隔数组。

import numpy as np

# 示例数组的创建
arr1 = np.array([1, 2, 3])
arr2 = np.zeros((2, 3))
arr3 = np.ones((2, 2))
arr4 = np.arange(0, 10, 2)
arr5 = np.linspace(0, 1, 5)

print("示例数组的创建：")
print("arr1:\n", arr1)
print("arr2:\n", arr2)
print("arr3:\n", arr3)
print("arr4:\n", arr4)
print("arr5:\n", arr5)

示例数组的创建：
arr1:
     [1 2 3]
arr2:
     [[0. 0. 0.]
     [0. 0. 0.]]
arr3:
     [[1. 1.]
     [1. 1.]]
arr4:
     [0 2 4 6 8]
arr5:
     [0.   0.25 0.5  0.75 1.  ]

2、数组的基本操作：

• 索引和切片：通过索引和切片获取数组的元素。
• 形状操作：shape 属性、reshape() 函数。
• 数组的运算：加法、减法、乘法、除法等。
• 数学函数：np.sin(), np.cos(), np.exp(), np.sqrt() 等。

# 示例数组的基本操作
arr = np.array([[1, 2, 3], [4, 5, 6]])

print("\n示例数组的基本操作：")
print("arr[0, 1]:", arr[0, 1])  # 索引
print("arr[:, 1:]:\n", arr[:, 1:])  # 切片
print("arr.shape:", arr.shape)  # 形状
print("arr.reshape(3, 2):\n", arr.reshape(3, 2))  # 重新形状
print("arr + 1:\n", arr + 1)  # 加法
print("np.sin(arr):\n", np.sin(arr))  # 数学函数

示例数组的基本操作：
arr[0, 1]: 2
arr[:, 1:]:
        [[2 3]
        [5 6]]
arr.shape: (2, 3)
arr.reshape(3, 2):
        [[1 2]
        [3 4]
        [5 6]]
arr + 1:
        [[2 3 4]
        [5 6 7]]
np.sin(arr):
     [[ 0.84147098  0.90929743  0.14112001]
     [-0.7568025  -0.95892427 -0.2794155 ]]

3、数组统计和聚合操作：

• np.sum(): 计算数组元素的和。
• np.mean(): 计算数组元素的平均值。
• np.median(): 计算数组元素的中位数。
• np.std(): 计算数组元素的标准差。
• np.max(), np.min(): 计算数组元素的最大值和最小值。

# 示例数组的统计和聚合操作
arr = np.array([[1, 2, 3], [4, 5, 6]])

print("\n示例数组的统计和聚合操作：")
print("np.sum(arr):", np.sum(arr))  # 计算数组元素的和
print("np.mean(arr):", np.mean(arr))  # 计算数组元素的平均值
print("np.median(arr):", np.median(arr))  # 计算数组元素的中位数
print("np.std(arr):", np.std(arr))  # 计算数组元素的标准差
print("np.max(arr):", np.max(arr))  # 计算数组元素的最大值
print("np.min(arr):", np.min(arr))  # 计算数组元素的最小值

示例数组的统计和聚合操作：
np.sum(arr): 21
np.mean(arr): 3.5
np.median(arr): 3.5
np.std(arr): 1.707825127659933
np.max(arr): 6
np.min(arr): 1

4、数组的逻辑运算：

• np.logical_and(), np.logical_or(), np.logical_not(): 逻辑与、或、非运算。
• np.all(), np.any(): 判断是否所有元素为真或是否有任意元素为真。

# 示例数组的逻辑运算
print("\n示例数组的逻辑运算：")
arr_logical = np.array([True, False, True])
result_and = np.logical_and(arr_logical, arr_logical)
result_or = np.logical_or(arr_logical, arr_logical)
result_not = np.logical_not(arr_logical)

print("result_and:", result_and)
print("result_or:", result_or)
print("result_not:", result_not)
print("np.all(arr_logical):", np.all(arr_logical))  # 判断是否所有元素为真
print("np.any(arr_logical):", np.any(arr_logical))  # 判断是否有任意元素为真

示例数组的逻辑运算：
result_and: [ True False  True]
result_or: [ True False  True]
result_not: [False  True False]
np.all(arr_logical): False
np.any(arr_logical): True

5、更多信息：

NumPy的官方网址： NumPy

??????????????? 中文版本：NumPy 中文文档