1、算术运算
算术运算是数据分析中最基本的运算,包括加、减、乘、除、取模、取幂、取平方根等。
1)加减乘除
import numpy as np a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) # 加法 c = a + b # 或 np.add(a, b) print(c) # 减法 d = a - b # 或 np.subtract(a, b) print(d) # 乘法 e = a * b # 或 np.multiply(a, b) print(e) # 除法 f = a / b # 或 np.divide(a, b) print(f)
2)幂运算和开方
import numpy as np a = np.array([1, 2, 3]) # 幂运算 g = a ** 2 # 或 np.power(a, 2) print(g) # 开方 h = np.sqrt(g) print(h)
2、逻辑运算
NumPy 提供了基本的逻辑运算符,包括等于、不等于、大于、小于、大于等于、小于等于、逻辑与、逻辑或、逻辑非等。
import numpy as np a = np.array([1, 2, 3]) b = np.array([1, 2, 3]) c = a == b print(c) # [ True True True] c = a >= b print(c) # [ True True True]
3、统计运算
NumPy 提供了大量的统计运算函数,包括求和、平均值、最大值、最小值、方差、标准差等。
1)求和、最小值、最大值
import numpy as np a = np.array([1, 2, 3]) # 求和 array_sum = np.sum(a) print(array_sum) # 最小值 min_value = np.min(a) print(min_value) # 最大值 max_value = np.max(a) print(max_value)
2)平均值、中位数、标准差
import numpy as np a = np.array([1, 2, 3]) # 平均值 mean_value = np.mean(a) print(mean_value) # 中位数 median_value = np.median(a) print(median_value) # 标准差 std_dev = np.std(a) print(std_dev)
4、线性代数运算
Python NumPy 提供了大量的线性代数运算函数,包括加法、减法、乘法、除法、矩阵乘积、转置、逆矩阵、行列式、特征值、特征向量等。
1)点积和矩阵乘法
import numpy as np a = np.array([1, 2, 3]) b = np.array([1, 2, 3]) # 点积 dot_product = np.dot(a, b) print(dot_product) # 矩阵乘法 mat_product = np.matmul(a, b) # 对于一维数组,matmul 等同于 dot print(mat_product)
2)矩阵转置和逆
import numpy as np A = np.array([[1, 2], [3, 4]]) # 转置 A_transpose = A.T # 或 np.transpose(A) print(A_transpose) # 逆矩阵 A_inverse = np.linalg.inv(A) print(A_inverse)
3)矩阵行列式
import numpy as np a = np.array([[1, 2], [3, 4]]) b = np.linalg.det(a) print(b)
4)矩阵特征值和特征向量
import numpy as np a = np.array([[1, 2], [3, 4]]) b, c = np.linalg.eig(a) print(b) print(c)