numpy Numerical Python
数值和科学计算

创建数组
import numpy as np  
  
# 创建一个一维数组  
arr1d = np.array([1, 2, 3, 4, 5])  
  
# 创建一个二维数组（矩阵）   2行3列 
arr2d = np.array([[1, 2, 3], [4, 5, 6]])  
  
# 创建一个零数组  
zeros_arr = np.zeros((3, 3))  
  
# 创建一个全1数组  
ones_arr = np.ones((2, 2))  
  
# 创建一个指定范围的数组  
range_arr = np.arange(0, 10, 2)  # 从0开始到10（不包括10），步长为2  
  
# 创建一个指定形状的随机数组 2行3列   [0,1)
# Random values in a given shape.
random_arr = np.random.rand(2, 3)



数组操作
# 数组加法  
sum_arr = arr1d + arr1d  
  
# 数组乘法（元素级乘法）  
product_arr = arr1d * arr1d  
  
# 数组点积（对于矩阵）  
dot_product = np.dot(arr2d, arr2d.T)  # .T 是转置操作  
  
# 数组排序  
sorted_arr = np.sort(arr1d)  
  
# 数组切片  
sliced_arr = arr2d[1:3, 1:3]  # 获取第2行到第3行（不包括第3行），第2列到第3列（不包括第3列）的子数组  
  
# 数组重塑  
reshaped_arr = arr1d.reshape((1, 5))  # 将一维数组重塑为二维数组

# 使用条件索引  
conditional_arr = arr1d[arr1d > 2]  # 获取大于2的所有元素


统计函数

# 计算数组的平均值、标准差等  
mean_val = np.mean(arr1d)  
std_val = np.std(arr1d)  
min_val = np.min(arr1d)  
max_val = np.max(arr1d)  
  
# 计算数组的和、乘积等  
sum_val = np.sum(arr1d)  
prod_val = np.prod(arr1d)



线性代数

# 计算矩阵的行列式  
# Compute the determinant of an array.
det_val = np.linalg.det(arr2d)  
  
# 计算矩阵的逆  
# Compute the (multiplicative) inverse of a matrix.
inv_mat = np.linalg.inv(arr2d)  
  
# 计算矩阵的特征值和特征向量  
# Compute the eigenvalues and right eigenvectors of a square array.
eigenvalues, eigenvectors = np.linalg.eig(arr2d)




随机数生成
# 生成指定形状的随机整数数组（在指定范围内）  
rand_int_arr = np.random.randint(low=0, high=10, size=(3, 3))  
  
# 生成标准正态分布的随机数组  
# Return a sample (or samples) from the "standard normal" distribution.
randn_arr = np.random.randn(3, 3)  
  
# 生成指定形状的随机浮点数数组（在[0, 1)范围内）  
rand_float_arr = np.random.rand(3, 3)



保存和加载数组
# 将数组保存到文件  
np.save('my_array.npy', arr1d)  
  
# 从文件加载数组  
loaded_arr = np.load('my_array.npy')