一、数组对函数运算的支持
NumPy支持对整个数组直接进行数学函数运算，无需写循环。
python
import numpy as np
x = np.arange(0, 100, 10, dtype=np.floating)
print(np.sin(x)) # 数组中所有元素求正弦值
print(np.cos(x)) # 所有元素求余弦值
print(np.round(np.cos(x))) # 四舍五入
print(np.ceil(x/2)) # 向上取整核心理解 ：np.sin(x) 不是对单个值求正弦，而是对数组里每一个元素同时求正弦。这就是NumPy的"向量化运算"。
二、改变数组形状
改变数组的形状有三种方法，区别在于是否修改原数组。
python
x = np.arange(1, 11, 1) # [1, 2, 3, ..., 10]
# 方法1：直接修改shape属性（原地修改）
x.shape = 2, 5 # 改成2行5列
x.shape = 5, -1 # 改成5行，-1表示自动计算列数（10/5=2列）
# 方法2：reshape()方法（返回新数组，原数组不变）
x = x.reshape(2, 5) # 返回新数组
# 注意：reshape()不能改变元素总数，10个元素只能改成(2,5)或(5,2)等
# 方法3：resize()方法（可改变元素总数，多出的填0）
x.resize((1, 10)) # 原地修改，改成1行10列，少的填0
np.resize(x, (1, 3)) # numpy的resize()返回新数组，原数组不变三种方法对比：
| 方法 | 是否修改原数组 | 能否改变元素总数 |
|---|---|---|
x.shape = ... |
原地修改 | 不能 |
x.reshape(...) |
返回新数组 | 不能 |
x.resize(...) |
原地修改 | 可以（多出填0） |
np.resize(x, ...) |
返回新数组 | 可以 |
三、数组的布尔运算
布尔运算是NumPy最强大的功能之一，用于条件筛选和判断。
python
x = np.random.rand(10) # 创建包含10个随机数的数组
# 1. 数组与常量比较（返回布尔数组）
x > 0.5 # 每个元素判断是否大于0.5，返回True/False数组
x[x > 0.5] # 获取数组中大于0.5的元素（布尔索引）
# 2. 组合条件（使用 & 和 |，不是 and 和 or）
sum((x > 0.4) & (x < 0.6)) # 大于0.4且小于0.6的元素个数
# True当作1，False当作0，sum求和就是计数
# 3. 整体判断
np.all(x < 1) # 数组中所有元素都小于1？全True才返回True
np.any(x > 0.8) # 数组中存在大于0.8的元素？有一个True就返回True
# 4. 两个数组之间比较（逐个对应位置比较）
a = np.array([1, 2, 3])
b = np.array([3, 2, 1])
a > b # [False, False, True]
a[a > b] # 取出a中大于b对应位置元素的值 → [3]
a[a == b] # 取出a中等于b对应位置元素的值 → [2]
# 5. 多条件筛选
x = np.arange(1, 10)
x[(x % 2 == 0) & (x > 5)] # 大于5的偶数（布尔与）
x[(x % 2 == 0) | (x > 5)] # 大于5或者偶数（布尔或）关键注意：
- 组合条件用
&和|（位运算符），不是and和or（逻辑运算符） - 每个条件必须用括号括起来，如
(x > 4) & (x < 6)
四、分段函数
用于根据条件对数组元素进行分类处理。
python
x = np.random.randint(0, 10, size=(1, 10))
# 1. np.where()：二分类
np.where(x < 5, 0, 1) # 小于5的元素变为0，大于等于5的元素变为1
# 类似于三目运算：满足条件取值A，不满足取值B
# 2. np.piecewise()：多分类
np.piecewise(x, [x < 4, x > 7], [lambda x: x**2, lambda x: x*3])
# 小于4的元素 → 求平方
# 大于7的元素 → 乘以3
# 其他所有未覆盖的元素 → 变为0
np.piecewise(x, [x < 3, (3 < x) & (x < 5), x > 7], [-1, 1, lambda x: x*4])
# 小于3 → -1
# 大于3且小于5 → 1
# 大于7 → 乘以4
# 其他 → 0piecewise()参数解析：
- 第1个参数：要操作的数组
- 第2个参数：条件列表
[条件1, 条件2, ...] - 第3个参数：处理列表
[处理1, 处理2, ...]，可以是具体值或lambda函数 - 条件没有覆盖到的元素 → 自动变为0
今日核心总结
-
函数运算 ：
np.sin(x)对整个数组逐元素运算，无需写循环。 -
形状变换三方法：
shape属性原地修改reshape()返回新数组（不改变元素总数）resize()可改变元素总数（多出填0）
-
布尔运算核心：
x[x > 0.5]是NumPy中筛选数据最常用的方式- 组合条件用
&和|，每个条件必须加括号 np.all()全真才真，np.any()一真则真
-
分段函数：
np.where()适合二分类np.piecewise()适合多分类，未覆盖的条件自动归零
说明一下：前几天没有更新是因为端午节放假，家里还有很多事情需要忙，一忙完就没时间学了，而且前几天一直沉迷于Ai写代码了。
注:已经使用DeepSeek进行整理精简核心内容，些许不理解的配合个人笔记进行理解。