Numpy是Python的扩展库（第三方库），支持维度数组和矩阵运算，是运算速度很快的数学库。
Numpy官方文档：NumPy user guide --- NumPy v2.0 Manual
帮助：可使用help(...)查看函数说明文档（若是第三方库的函数，需先导入库）。例如：help(np.array)
Python代码中，导入numpy：
import numpy as np算术运算：
一个数组与一个数字可以进行加/减/乘/除/取余/幂等算术运算，这个数组的所有元素都将与这个数字进行计算。可理解为将这个数字拉伸变得和数组形状相同的数组，再按对应位置进行计算。
两数组之间进行计算：
- 形状相同的两数组，按对应位置进行计算。
形状不同的两数组进行计算：
- 不同维度。但相同的各维度比较，要么在该维度两数组相同，要么其中一个数组在该维度是1。
- 相同维度。各维度比较，要么在该维度两数组相同，要么其中一个数组在该维度是1。
- 否则，报错：ValueError: operands could not be broadcast together with shapes...
补充：
数组与一个数字进行算术运算，与另一个不同形状的数组（但各维度比较时相同或其中一个数组在该维度为1）进行计算，称为广播。
广播（Broadcasting）官方文档：
https://numpy.org/doc/stable/user/basics.broadcasting.html
计算函数：
|----------------|---------------|-----------------|
| np.max(数组) | 最大值 | 返回：数字 |
| np.argmax(数组) | 最大值所在的下标（索引号） | 返回：数字 |
| np.min(数组) | 最小值 | 返回：数字 |
| np.argmin(数组) | 最小值所在的下标（索引号） | 返回：数字 |
| np.sum(数组) | 数组中所有元素相加 | 返回：数字 |
| np.cumsum(数组) | 从索引号0开始计算累计和 | 返回：一维数组（元素数量不变） |
| np.mean(数组) | 平均数 | 返回：数字 |
| np.median(数组) | 中位数 | 返回：数字 |
| np.average(数组) | 加权平均 | 返回：数字 |
[常用计算函数]
注：以上函数均可使用参数axis指定轴，结果返回数组。以上函数都等效于：数组**.**函数(...)。
- np**.**square(数组)：数组中所有元素都求平方。返回：数组。
条件判断函数：
条件判断函数可以用于判断数组中的元素。
- np**.**any(条件)：数组中元素有一个满足条件，就返回True，否则返回False。
- np**.**all(条件)：数组中所有元素都满足条件，就返回True，否则返回False。
- np**.**where(条件, x, y)：数组中元素若满足条件，则值为x，否则值为y。返回：数组。
类似三目运算（条件 ? x **:**y）。
两数组之间的计算函数：
- np**.** maximum(数组1, 数组2)：依次比较两数组中元素（包括np**.** nan），获取较大值。返回：数组。类似于：np**.**where(x>=y,x,y)
- np**.** minimum(数组1, 数组2)：依次比较两数组中元素（包括np**.**nan），获取较小值。返回：数组。
- np**.** fmax(数组1, 数组2)：依次比较两数组中元素（忽略np**.** nan），获取较大值。返回：数组。类似于：np**.**where(x>=y,x,y)
- np**.** fmin(数组1, 数组2)：依次比较两数组中元素（忽略np**.**nan），获取较小值。返回：数组。
补充：
Numpy库主要数据类型是ndarray。
ndarray相关官方文档：https://numpy.org/doc/stable/reference/arrays.ndarray.html