l1=np.array([1,3,5,7,9])
l2=np.array([2,4,6,8,10])
l1-l2

#array([-1, -1, -1, -1, -1])
加减乘除都是按位数进行
如果位数不一致，会报错
print(np.add(l1,l2))

多维数组取数

data= np.array([
    [1,2,3],
    [4,5,6]
])
print(data[0,1])
print(data[0][1])
#2
#2

获取数组中的某几个数字

data=np.arange(10)
print(data[3:6])
#[3 4 5]
起始位置是0的话可以省略不写
比如data[0:6]和data[:6]得到的结果是一样的

data=np.array([
[1,2,3],
[4,5,6]
])
data[0, :]代表第0行所有元素全取出来
#array([1,2,3])
data[:,0]代表所有行的第0位元素取出来
#array([1,4])

切片取出来的数据对应的还是原始数据，任何修改都会对应到原始的数据上。如果想要修改但是不影响原始的数据，要在切片的数据后面加上.copy()

data=np.arange(10)
data_slice=data[3:6].copy()

一维变多维度

data1=np.arange(10)
data2=data1.reshape((2,5))
print(data2)
#[[0 1 2 3 4][5 6 7 8 9]]
如果改成(2,3)等其他无法拆分10的元组，则报错
data3=data2.T
print(data3)
#[[0 5][1 6][2 7][3 8][4 9]]
这里不是0 1 2 3排序
而是把原来的数组旋转了90度进行重组

每个元素求平方根

类似的还有

abs=绝对值

sqrt=平方根

square=平方

exp=计算指数

sign=计算正负号：1、0、-1

ceil=计算大于等于该元素的最小整数

floor= 计算小余等于该元素的最大整数

isnan= 计算哪些元素是非数字

data=np.arange(10)
print(np.sqrt(data))

两个数组的可用方法

add=计算2个数组的和

subtract=从第一个数组减去第二个数组

multiply=计算两个数组元素的乘积

divide=第一个数组除以第二个数组

fmax=计算两个元素各个位置上更大的那个

fmin=计算两个元素各个位置上更小的那个

data1=np.array([1,3,5,7,9])
data2=np.array([2,4,6,8,10])
print(np.add(data1,data2))
#[3 7 11 15 19]

常用的数组统计方法

sum=计算数组所有元素的和

mean=计算数组所有元素的平均值

std=计算数组所有元素的标准差

min,max=计算数组所有元素的最小或最大值

argmin,argmax=计算数组所有元素中的最小或最大值对应的位置