NumPy常用方法（25个，含示例）

NumPy是Python中最流行的用于科学计算和数据分析的库之一。下面是常用的50个NumPy方法和函数，每个方法都有一个简单的示例：

1. numpy.zeros：创建一个指定形状的全零数组。

import numpy as np
a = np.zeros((2, 3))
print(a)
# Output: [[0. 0. 0.]
#          [0. 0. 0.]]

2. numpy.ones：创建一个指定形状的全1数组。

import numpy as np
a = np.ones((2, 3))
print(a)
# Output: [[1. 1. 1.]
#          [1. 1. 1.]]

3. numpy.empty：创建一个指定形状的空数组。

import numpy as np
a = np.empty((2, 3))
print(a)
# Output: [[2.12199579e-314 2.12199579e-314 2.12199579e-314]
#          [2.12199579e-314 2.12199579e-314 2.12199579e-314]]

4. numpy.arange：创建一个一维数组，其中包含指定范围内的数字。

import numpy as np
a = np.arange(0, 10, 2)
print(a)
# Output: [0 2 4 6 8]

5. numpy.linspace：创建一个一维数组，其中包含指定范围内的等间隔数字。

import numpy as np
a = np.linspace(0, 1, 5)
print(a)
# Output: [0.   0.25 0.5  0.75 1.  ]

6. numpy.reshape：改变数组的形状，而不改变数据。

import numpy as np
a = np.array([[1, 2], [3, 4], [5, 6]])
b = np.reshape(a, (2, 3))
print(b)
# Output: [[1 2 3]
#          [4 5 6]]

7. numpy.transpose：转置数组。

import numpy as np
a = np.array([[1, 2], [3, 4], [5, 6]])
b = np.transpose(a)
print(b)
# Output: [[1 3 5]
#          [2 4 6]]

8. numpy.concatenate：沿指定轴连接数组。

import numpy as np
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
c = np.concatenate((a, b), axis=1)
print(c)
# Output: [[1 2 5 6]
#          [3 4 7 8]]

9. numpy.vstack：沿垂直轴堆叠数组。

import numpy as np
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
c = np.vstack((a, b))
print(c)
# Output: [[1 2 3]
#          [4 5 6]]

10. numpy.hstack：沿水平轴堆叠数组。

import numpy as np
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
c = np.hstack((a, b))
print(c)
# Output: [1 2 3 4 5 6]

11. numpy.split：将数组沿指定轴分割。

import numpy as np
a = np.array([1, 2, 3, 4, 5, 6])
b = np.split(a, 3)
print(b)
# Output: [array([1, 2]), array([3, 4]), array([5, 6])]

12. numpy.hsplit：将数组沿水平轴分割。

import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.hsplit(a, 3)
print(b)
# Output: [array([[1],
#                 [4]]), array([[2],
#                               [5]]), array([[3],
#                                             [6]])]

13. numpy.vsplit：将数组沿垂直轴分割。

import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.vsplit(a, 2)
print(b)
# Output: [array([[1, 2, 3]]), array([[4, 5, 6]])]

14. numpy.ravel：将多维数组展平为一维。

import numpy as np
a = np.array([[1, 2], [3, 4]])
b = np.ravel(a)
print(b)
# Output: [1 2 3 4]

15. numpy.max：返回数组中的最大值。

import numpy as np
a = np.array([1, 2, 3])
b = np.max(a)
print(b)
# Output: 3

16. numpy.min：返回数组中的最小值。

import numpy as np
a = np.array([1, 2, 3])
b = np.min(a)
print(b)
# Output: 1

17. numpy.mean：返回数组的平均值。

import numpy as np
a = np.array([1, 2, 3])
b = np.mean(a)
print(b)
# Output: 2.0

18. numpy.median：返回数组的中位数。

import numpy as np
a = np.array([1, 2, 3])
b = np.median(a)
print(b)
# Output: 2.0

19. numpy.std：返回数组的标准差。

import numpy as np
a = np.array([1, 2, 3])
b = np.std(a)
print(b)
# Output: 0.816496580927726

20. numpy.var：返回数组的方差。

import numpy as np
a = np.array([1, 2, 3])
b = np.var(a)
print(b)
# Output: 0.6666666666666666

21. numpy.dot：计算两个数组的点积。

import numpy as np
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
c = np.dot(a, b)
print(c)
# Output: 32

22. numpy.matmul：计算两个数组的矩阵乘积。

import numpy as np
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
c = np.matmul(a, b)
print(c)
# Output: [[19 22]
#          [43 50]]

23. numpy.trace：计算数组的迹。

import numpy as np
a = np.array([[1, 2], [3, 4]])
b = np.trace(a)
print(b)
# Output: 5

24. numpy.linalg.det：计算数组的行列式。

import numpy as np
a = np.array([[1, 2], [3, 4]])
b = np.linalg.det(a)
print(b)
# Output: -2.0

25. numpy.linalg.inv：计算数组的逆矩阵。

import numpy as np
a = np.array([[1, 2], [3, 4]])
b = np.linalg.inv(a)
print(b)
# Output: [[-2.   1. ]
#          [ 1.5 -0.5]]