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：

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。

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。

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。

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：

创建数组：

python 复制代码

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

数组操作：

python 复制代码

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)

数学函数：

python 复制代码

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)

复制代码

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。