python中 numpy函数用法

numpy函数是一种用于处理数组的科学计算库，其中包含了许多常用的数学、统计和线性代数函数，以下是一些常见的numpy函数用法：

1. 创建数组

numpy中可以通过numpy.array()函数创建数组，函数接受一个可迭代对象作为参数，例如：

import numpy as np

# 创建一维数组
a = np.array([1, 2, 3])
print(a) # 输出：[1 2 3]

# 创建二维数组
b = np.array([[1, 2], [3, 4]])
print(b) # 输出：[[1 2]
         #        [3 4]]

2. 索引和切片

numpy中的数组索引和切片与Python中的列表相似，可以使用整数索引和切片语法。例如：

# 一维数组的索引和切片
a = np.array([1, 2, 3, 4, 5])
print(a[2]) # 输出：3
print(a[:3]) # 输出：[1 2 3]

# 多维数组的索引和切片
b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(b[1, 2]) # 输出：6
print(b[:2, 1:]) # 输出：[[2 3]
                #        [5 6]]

3. 数学函数

numpy中包含了许多常用的数学函数，例如：

# 平方函数
a = np.array([1, 2, 3])
print(np.square(a)) # 输出：[1 4 9]

# 开方函数
b = np.array([1, 4, 9])
print(np.sqrt(b)) # 输出：[1. 2. 3.]

# 取绝对值函数
c = np.array([-1, -2, 3])
print(np.absolute(c)) # 输出：[1 2 3]

# 求和函数
d = np.array([1, 2, 3])
print(np.sum(d)) # 输出：6

# 求平均值函数
e = np.array([1, 2, 3])
print(np.mean(e)) # 输出：2.0

# 求标准差函数
f = np.array([1, 2, 3])
print(np.std(f)) # 输出：0.816496580927726

4. 线性代数函数

numpy中包含了许多常用的线性代数函数，例如：

# 点积函数
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
print(np.dot(a, b)) # 输出：[[19 22]
                    #        [43 50]]

# 矩阵求逆函数
c = np.array([[1, 2], [3, 4]])
print(np.linalg.inv(c)) # 输出：[[-2.   1. ]
                        #        [ 1.5 -0.5]]

# 特征值与特征向量函数
d = np.array([[1, 2], [2, 1]])
eig_values, eig_vectors = np.linalg.eig(d)
print(eig_values) # 输出：[ 3. -1.]
print(eig_vectors) # 输出：[[ 0.70710678 -0.70710678]
                   #        [ 0.70710678  0.70710678]]

5. 随机数函数

numpy还包含了许多常用的随机数函数，例如：

# 随机整数函数
a = np.random.randint(1, 10, (3, 4))
print(a) # 输出：[[5 8 7 4]
         #        [4 4 4 4]
         #        [9 9 9 2]]

# 随机浮点数函数
b = np.random.rand(2, 3)
print(b) # 输出：[[0.81317738 0.24850358 0.98823489]
         #        [0.35087941 0.98767991 0.17130925]]

以上是numpy函数的一些常见用法，numpy函数的功能非常丰富，还有很多其他函数可以满足各种应用需求。