第一篇博客已经讲了Numpy中数组的基本操作，下面开始讲Numpy中数值计算所使用的一般方法.
（1）复制与赋值
赋值：将100赋值给第一行第一列的数
import numpy as np# 定义一个数组array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])# 将100赋值给第一行，第一列的数array[1,1] = 100print(array)
输出结果为：
[[ 1 2 3][ 4 100 6][ 7 8 9]]
复制：将赋值后的数组复制下来
import numpy as np# 定义一个数组array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])# 将100赋值给第一行，第一列的数array[1,1] = 100print(array)array0 = array.copy()print(array0)
输出结果为：
[[ 1 2 3][ 4 100 6][ 7 8 9]][[ 1 2 3][ 4 100 6][ 7 8 9]]
上面讲过赋值与复制了，下面开始正题
（2）数组数值的简单计算
数组中所有元素的求和，代码如下：
import numpy as np# 定义一个数组array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])array0 = np.sum(array)print(array0)
输出结果为 45
对一个二维数组来说，既可以对行求和，也可以对列求和，代码如下：
import numpy as np# 定义一个数组array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])# 对行求和array2 = np.sum(array, axis=1)print(array2)# 对列求和array3 = np.sum(array, axis=0)print(array3)
输出结果为array2 = [6, 15, 24], array3 = [12, 15, 18]
除了求和，计算的方式还有许多，直接看代码和注释
import numpy as np# 定义一个数组array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])# 各个元素累乘array4 = np.prod(array)print(array4)# 求元素的最小值array5 = np.min(array)print(array5)# 求均值array6 = np.mean(array)print(array6)# 求标准差array7 = np.std(array)print(array7)# 求方差array8 = np.var(array)print(array8)# 比2大的全部为2，比4大的全部为4array9 = np.clip(array, 2, 4)print(array9)输出结果为：36288015.02.5819888974716116.666666666666667[[2 2 3][4 4 4][4 4 4]]
所有操作原理都是相同的，如果指定维度，就参照上面的求和代码进行计算。
如果不是找最大值或最小值的具体值是多少，而是要找到他们具体的位置，如果指定维度，就参照上面的求和代码进行计算，代码如下：
import numpy as np# 定义一个数组array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])array10 = np.argmin(array)print(array10)输出结果为其具体位置：0
（3）矩阵的乘法
主要介绍两种常用的计算方式：一种是按照对应元素进行相乘，另一种是在数组中进行的矩阵乘法，直接看代码：
import numpy as npx = np.array([[1, 1], [2, 2]])y = np.array([[1, 1], [2, 2]])# 对应位置相乘a = np.multiply(x, y)print(a)# 矩阵乘法b = np.dot(x, y)print(b)输出结果为：a = [[1 1][4 4]]b = [[3 3][6 6]]
如果觉得《Python科学计算库（Numpy）基础篇（IDE为Pycharm）- 数组数值计算》对你有帮助，请点赞、收藏，并留下你的观点哦！
