Numpy库：常用函数

NumPy是一个用于Python的库，提供大量的函数和工具，用于处理大型多维数组和矩阵，以及进行相关的数学运算。

常用函数 

1. numpy数组创建

   • numpy.array(): 创建一个数组。
   • numpy.zeros(): 创建一个所有元素都为0的数组。
   • numpy.ones(): 创建一个所有元素都为1的数组。
   • numpy.eye(): 创建一个单位矩阵。
   • numpy.identity(): 创建一个方阵，对角线上的元素为1，其余元素为0。

2. 数组操作

   • numpy.sum(): 求和。
   • numpy.mean(): 计算平均值。
   • numpy.max(): 找出最大值。
   • numpy.min(): 找出最小值。
   • numpy.std(): 计算标准差。
   • numpy.var(): 计算方差。
   • numpy.shape(): 获取数组的形状。

3. 线性代数

   • numpy.linalg.inv(): 计算矩阵的逆。
   • numpy.linalg.det(): 计算矩阵的行列式。
   • numpy.linalg.eig(): 计算特征值和特征向量。

4. 数学函数

   • numpy.sin(), numpy.cos(), numpy.tan(): 三角函数。
   • numpy.exp(), numpy.log(): 指数和对数函数。
   • numpy.sqrt(): 开平方根。

5. 数组排序和搜索

   • numpy.sort(): 对数组进行排序。
   • numpy.argsort(): 返回排序后的索引。
   • numpy.where(): 返回满足条件的元素的索引。

6. 文件读写

        numpy.load(), numpy.save(): 用于读写二进制文件。

7. 随机数生成

   • numpy.random.rand(): 生成0到1之间的随机数。
   • numpy.random.randint(): 生成指定范围内的随机整数。

8. 线性代数操作

   • numpy.dot(): 点乘（矩阵乘法）。
   • numpy.cross(): 叉乘（向量乘法）。

9. 广播
   广播是一种强大的机制，允许在执行算术运算时对不同形状的数组进行操作。例如，你可以将一个形状为(3,)的一维数组与一个形状为(3,3)的二维数组进行算术运算，而不需要改变任何数组的形状或大小。这种机制在NumPy中非常常见，并允许你以简洁、高效的方式处理复杂的数学运算。

示例 

# 导入NumPy库
import numpy as np

# 创建一个数组
arr = np.array([1, 2, 3, 4, 5])
print(arr)

# 创建一个所有元素都为0的数组
zeros_arr = np.zeros(5)
print(zeros_arr)

# 创建一个所有元素都为1的数组
ones_arr = np.ones(5)
print(ones_arr)

# 创建一个单位矩阵
eye_arr = np.eye(3)
print(eye_arr)

# 创建一个方阵，对角线上的元素为1，其余元素为0
identity_arr = np.identity(3)
print(identity_arr)

# 求和
sum_arr = np.sum(arr)
print(sum_arr)

# 计算平均值
mean_arr = np.mean(arr)
print(mean_arr)

# 找出最大值
max_arr = np.max(arr)
print(max_arr)

# 找出最小值
min_arr = np.min(arr)
print(min_arr)

# 计算标准差
std_arr = np.std(arr)
print(std_arr)

# 计算方差
var_arr = np.var(arr)
print(var_arr)

# 获取数组的形状
shape_arr = np.shape(arr)
print(shape_arr)

# 计算矩阵的逆
inv_arr = np.linalg.inv(eye_arr)
print(inv_arr)

# 计算矩阵的行列式
det_arr = np.linalg.det(eye_arr)
print(det_arr)

# 计算特征值和特征向量
eig_arr = np.linalg.eig(eye_arr)
print(eig_arr)

# 三角函数
sin_arr = np.sin(arr)
print(sin_arr)

cos_arr = np.cos(arr)
print(cos_arr)

tan_arr = np.tan(arr)
print(tan_arr)

# 指数和对数函数
exp_arr = np.exp(arr)
print(exp_arr)

log_arr = np.log(arr)
print(log_arr)

# 开平方根
sqrt_arr = np.sqrt(arr)
print(sqrt_arr)

# 对数组进行排序
sort_arr = np.sort(arr)
print(sort_arr)

# 返回排序后的索引
argsort_arr = np.argsort(arr)
print(argsort_arr)

# 返回满足条件的元素的索引
where_arr = np.where(arr > 2)
print(where_arr)

# 读写二进制文件
np.save('data.npy', arr)
loaded_arr = np.load('data.npy')
print(loaded_arr)

# 生成0到1之间的随机数
rand_arr = np.random.rand(5)
print(rand_arr)

# 生成指定范围内的随机整数
randint_arr = np.random.randint(1, 10, size=5)
print(randint_arr)

# 点乘（矩阵乘法）
dot_arr = np.dot(eye_arr, eye_arr)
print(dot_arr)

# 叉乘（向量乘法）
cross_arr = np.cross(eye_arr, eye_arr)
print(cross_arr)

# 广播（Broadcasting）
broadcast_arr = np.add(eye_arr, ones_arr)
print(broadcast_arr)