- np.array()：创建numpy数组
- np.zeros()：返回全0数组
- np.ones()：返回全1数组
- np.arange()：创建等差数列数组
- np.linspace()：创建等间隔数列数组
- np.reshape()：改变数组形状
数组运算
- np.add()：加法运算
- np.subtract()：减法运算
- np.multiply()：乘法运算
- np.divide()：除法运算
- np.dot()：矩阵乘法
- np.sum()：求和
- np.mean()：求平均值
数组索引和切片
- 数组名[i]：获取第i个元素
- 数组名[start:end]：获取从start到end之间的元素
- 数组名[:, col_num]：获取所有行中第col_num列的元素
- 数组名[condition]：根据条件获取元素
数学函数
- np.sin()：正弦函数
- np.cos()：余弦函数
- np.exp()：指数函数
- np.log()：自然对数函数
- np.sqrt()：平方根函数
- np.power()：幂函数
统计函数
- np.min()：最小值
- np.max()：最大值
- np.std()：标准差
- np.var()：方差
- np.median()：中位数
完整的NumPy函数列表可以在NumPy官方文档中找到。
基础用法
NumPy是一个开源的Python科学计算库，包含了一些高效的多维数组对象和用于处理这些数组的函数。以下是NumPy的一些用法：
- 创建ndarray：使用NumPy创建多维数组对象。
- 数组操作：对数组执行各种操作，例如修改维度、选择数据、切片等。
- 数学函数：使用NumPy中的数学函数进行数学运算，例如求平均值、标准差、方差等。
- 随机数生成：使用NumPy中的随机数生成函数生成随机数。
- 线性代数：使用NumPy进行线性代数运算，例如矩阵乘法、逆矩阵求解等。
- 文件操作：使用NumPy读写文件，例如将数组保存到文件或从文件加载数组。
总之，NumPy是一个非常强大的工具，可以帮助您轻松地进行各种科学计算任务。
以下是使用NumPy创建数组、进行数学运算和文件操作的示例代码：
import numpy as np
# 创建一维数组
a = np.array([1, 2, 3, 4, 5])
print("一维数组：", a)
# 创建二维数组
b = np.array([[1, 2], [3, 4]])
print("二维数组：", b)
# 数组加法
c = a + a
print("数组加法：", c)
# 数组乘法
d = b * b
print("数组乘法：", d)
# 数组平均值
mean_a = np.mean(a)
print("一维数组平均值：", mean_a)
mean_b = np.mean(b)
print("二维数组平均值：", mean_b)
# 将数组保存到文件
np.savetxt("a.txt", a)
np.savetxt("b.txt", b)
# 从文件加载数组
a_load = np.loadtxt("a.txt")
print("读取a.txt文件：", a_load)
b_load = np.loadtxt("b.txt")
print("读取b.txt文件：", b_load)这个程序会输出以下内容：
一维数组： [1 2 3 4 5]
二维数组： [[1 2]
[3 4]]
数组加法： [ 2 4 6 8 10]
数组乘法： [[ 1 4]
[ 9 16]]
一维数组平均值： 3.0
二维数组平均值： 2.5
读取a.txt文件： [1. 2. 3. 4. 5.]
读取b.txt文件： [[1. 2.]
[3. 4.]]