代码收藏家 【Python】numpy：数组计算（算术运算、两数组之间计算、函数）
Numpy是Python的扩展库（第三方库），支持维度数组和矩阵运算，是运算速度很快的数学库。
Numpy官方文档：NumPy user guide — NumPy v2.0 Manual
帮助：可使用help(…)查看函数说明文档（若是第三方库的函数，需先导入库）。例如：help(np.array)
Python代码中，导入numpy：
import numpy as np算术运算：
一个数组与一个数字可以进行加/减/乘/除/取余/幂等算术运算，这个数组的所有元素都将与这个数字进行计算。可理解为将这个数字拉伸变得和数组形状相同的数组，再按对应位置进行计算。
两数组之间进行计算：
形状相同的两数组，按对应位置进行计算。
形状不同的两数组进行计算：
不同维度。但相同的各维度比较，要么在该维度两数组相同，要么其中一个数组在该维度是1。 相同维度。各维度比较，要么在该维度两数组相同，要么其中一个数组在该维度是1。 否则，报错：ValueError: operands could not be broadcast together with shapes…
补充：
数组与一个数字进行算术运算，与另一个不同形状的数组（但各维度比较时相同或其中一个数组在该维度为1）进行计算，称为广播。
广播（Broadcasting）官方文档：
https://numpy.org/doc/stable/user/basics.broadcasting.html
计算函数：
|
np.max(数组) |
最大值 |
返回：数字 |
|
np.argmax(数组) |
最大值所在的下标（索引号） |
返回：数字 |
|
np.min(数组) |
最小值 |
返回：数字 |
|
np.argmin(数组) |
最小值所在的下标（索引号） |
返回：数字 |
|
np.sum(数组) |
数组中所有元素相加 |
返回：数字 |
|
np.cumsum(数组) |
从索引号0开始计算累计和 |
返回：一维数组（元素数量不变） |
|
np.mean(数组) |
平均数 |
返回：数字 |
|
np.median(数组) |
中位数 |
返回：数字 |
|
np.average(数组) |
加权平均 |
返回：数字 |
注：以上函数均可使用参数axis指定轴，结果返回数组。以上函数都等效于：数组.函数(…)。
| np.isnan(数组) | 判断数组中元素是否是空值（NaN） | 返回：布尔数组 |
| np.isinf(数组) | 判断数组中元素是否是无穷大或无穷小 | 返回：布尔数组 |
| np.isfinite(数组) | 判断数组中元素是否是有限数值 | 返回：布尔数组 |
| np.floor(数组) | 数组中元素向下取整，比元素小的最大整数 | 返回：数组 |
| np.ceil(数组) | 数组中元素向上取整，比元素大的最小整数 | 返回：数组 |
| np.abs(数组) | 数组中元素取绝对值 | 返回：数组 |
| np.square(数组) | 数组中元素求平方 | 返回：数组 |
注：np.nan：空值（NaN） 。np.inf：无穷大。-np.inf：无穷小。
条件判断函数：
条件判断函数可以用于判断数组中的元素。
np.any(条件)：数组中元素有一个满足条件，就返回True，否则返回False。 np.all(条件)：数组中所有元素都满足条件，就返回True，否则返回False。
np.where(条件, x, y)：数组中元素若满足条件，则值为x，否则值为y。返回：数组。 类似三目运算（条件 ? x : y）。
两数组之间的计算函数：
np.maximum(数组1, 数组2)：依次比较两数组中元素（包括np.nan），获取较大值。返回：数组。类似于：np.where(x>=y,x,y) np.minimum(数组1, 数组2)：依次比较两数组中元素（包括np.nan），获取较小值。返回：数组。
np.fmax(数组1, 数组2)：依次比较两数组中元素（忽略np.nan），获取较大值。返回：数组。类似于：np.where(x>=y,x,y) np.fmin(数组1, 数组2)：依次比较两数组中元素（忽略np.nan），获取较小值。返回：数组。
补充：
Numpy库主要数据类型是ndarray。
ndarray相关官方文档：https://numpy.org/doc/stable/reference/arrays.ndarray.html
作者：yannan20190313
