读书笔记

• 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：

1. 创建ndarray：使用NumPy创建多维数组对象。
2. 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。
3. 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。
4. 随机数生成：使用NumPy中的随机数生成函数生成随机数。
5. 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。
6. 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.]]