推荐答案
// www.javascriptcn.com code example
import numpy as np
# 创建数组
arr = np.array([1, 2, 3, 4, 5])
# 数组运算
arr_squared = arr ** 2
# 矩阵乘法
matrix_a = np.array([[1, 2], [3, 4]])
matrix_b = np.array([[5, 6], [7, 8]])
matrix_product = np.dot(matrix_a, matrix_b)
# 数组形状操作
reshaped_arr = arr.reshape(5, 1)
# 数组统计
mean_value = np.mean(arr)
max_value = np.max(arr)
# 随机数生成
random_arr = np.random.rand(3, 3)
# 数组索引和切片
sliced_arr = arr[1:4]
# 数组拼接
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
concatenated_arr = np.concatenate((arr1, arr2))
# 数组广播
broadcasted_arr = arr + 10
# 数组保存与加载
np.save('arr.npy', arr)
loaded_arr = np.load('arr.npy')本题详细解读
NumPy 库简介
NumPy 是 Python 中用于科学计算的核心库之一，提供了高性能的多维数组对象和用于操作这些数组的工具。NumPy 的核心是 ndarray 对象，它是一个快速、灵活的多维数组容器，支持大量的数学运算。
创建数组
使用 np.array() 函数可以从 Python 列表或元组创建 NumPy 数组。例如：
arr = np.array([1, 2, 3, 4, 5])
数组运算
NumPy 数组支持逐元素运算，如加法、减法、乘法、除法等。例如：
arr_squared = arr ** 2
矩阵乘法
使用 np.dot() 函数可以进行矩阵乘法运算。例如：
matrix_product = np.dot(matrix_a, matrix_b)
数组形状操作
使用 reshape() 方法可以改变数组的形状。例如：
reshaped_arr = arr.reshape(5, 1)
数组统计
NumPy 提供了多种统计函数，如 np.mean()、np.max() 等，用于计算数组的均值、最大值等。例如：
mean_value = np.mean(arr) max_value = np.max(arr)
随机数生成
使用 np.random.rand() 函数可以生成指定形状的随机数组。例如：
random_arr = np.random.rand(3, 3)
数组索引和切片
NumPy 数组支持类似于 Python 列表的索引和切片操作。例如：
sliced_arr = arr[1:4]
数组拼接
使用 np.concatenate() 函数可以将多个数组沿指定轴拼接。例如：
concatenated_arr = np.concatenate((arr1, arr2))
数组广播
NumPy 支持广播机制，允许不同形状的数组进行逐元素运算。例如：
broadcasted_arr = arr + 10
数组保存与加载
使用 np.save() 和 np.load() 函数可以保存和加载 NumPy 数组。例如：
np.save('arr.npy', arr)
loaded_arr = np.load('arr.npy')