50 个常用 Numpy 函数的解释、参数与使用示例

在数据分析和科学计算领域，Numpy 是一个强大的 Python 库。它提供了丰富的函数，能够高效地处理数组和矩阵。以下将为您详细介绍 50 个常用的 Numpy 函数。

1. np.array() 用于创建一个 Numpy 数组。参数可以是列表、元组等。例如：np.array([1, 2, 3])

2. np.zeros() 创建一个全零数组。参数指定数组的形状，如 np.zeros((3, 4))

3. np.ones() 创建全为 1 的数组。

4. np.arange() 生成一个等差数组。如 np.arange(0, 10, 2)

5. np.linspace() 在指定范围内生成等间隔的数字。

6. np.reshape() 改变数组的形状。

7. np.transpose() 对数组进行转置。

8. np.dot() 矩阵乘法运算。

9. np.sum() 计算数组元素的总和。

10. np.mean() 计算数组的平均值。

11. np.std() 计算数组的标准差。

12. np.min() 获取数组的最小值。

13. np.max() 获取数组的最大值。

14. np.argmin() 返回最小值的索引。

15. np.argmax() 返回最大值的索引。

16. np.sort() 对数组进行排序。

17. np.concatenate() 连接多个数组。

18. np.split() 将数组分割成多个子数组。

19. np.flatten() 将多维数组展平为一维。

20. np.clip() 对数组进行截断操作。

21. np.unique() 获取数组中的唯一值。

22. np.in1d() 检查一个数组中的元素是否在另一个数组中。

23. np.intersect1d() 获取两个数组的交集。

24. np.union1d() 获取两个数组的并集。

25. np.setdiff1d() 获取两个数组的差集。

26. np.isnan() 判断数组元素是否为 NaN。

27. np.isinf() 判断数组元素是否为无穷大。

28. np.nan_to_num() 将 NaN 转换为 0 ，无穷大转换为有限值。

29. np.where() 根据条件返回数组中的元素。

30. np.tile() 重复数组。

31. np.repeat() 重复数组元素。

32. np.flip() 翻转数组。

33. np.roll() 滚动数组。

34. np.cumsum() 计算累计和。

35. np.cumprod() 计算累计积。

36. np.diff() 计算相邻元素的差值。

37. np.log() 计算数组元素的自然对数。

38. np.exp() 计算指数。

39. np.sqrt() 计算平方根。

40. np.square() 计算平方。

41. np.abs() 计算绝对值。

42. np.ceil() 向上取整。

43. np.floor() 向下取整。

44. np.round() 四舍五入。

45. np.sign() 获取数组元素的符号。

46. np.all() 检查数组的所有元素是否满足条件。

47. np.any() 检查数组是否至少有一个元素满足条件。

48. np.nonzero() 返回非零元素的索引。

49. np.finfo() 获取浮点数类型的信息。

50. np.iinfo() 获取整数类型的信息。

通过掌握这些常用的 Numpy 函数，您可以更加高效地进行数据处理和分析，为科学计算和数据分析任务提供有力的支持。