Numpy数组的运算（Numpy篇-07）

### NumPy 数组运算教程 NumPy 是 Python 中用于科学计算的核心库，其主要功能围绕 N 维数组对象展开。通过 NumPy 的矢量化特性，可以实现高效的批量运算，无需显式编写循环结构。 #### 1. 大小相等的数组运算 当两个 NumPy 数组具有相同的形状时，可以直接对它们进行逐元素的操作。这种操作方式被称为矢量化 (vectorization)，能够显著提升性能并简化代码逻辑[^1]。 ```python import numpy as np a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) addition = a + b # 加法 subtraction = a - b # 减法 multiplication = a * b # 乘法 division = a / b # 除法 print(addition) # 输出: [5 7 9] print(subtraction) # 输出: [-3 -3 -3] print(multiplication) # 输出: [4 10 18] print(division) # 输出: [0.25 0.4 0.5 ] ``` #### 2. 数组与标量的运算 除了数组之间的运算外，还可以将一个标量应用于整个数组。在这种情况下，标量会广播到数组的每一个元素上。 ```python scalar_addition = a + 10 # 将标量加到每个元素 scalar_multiplication = a * 2 # 将标量乘以每个元素 print(scalar_addition) # 输出: [11 12 13] print(scalar_multiplication) # 输出: [2 4 6] ``` #### 3. 常见数学函数的应用 NumPy 提供了大量的内置数学函数，这些函数支持直接作用于数组上的每一种元素。常见的例子包括三角函数、指数函数和对数函数等[^2]。 ```python c = np.array([np.pi/2, 0, np.pi]) sin_values = np.sin(c) # 计算正弦值 exp_values = np.exp(a) # 计算自然指数 log_values = np.log(np.abs(b)) # 对绝对值取自然对数 print(sin_values) # 输出: [1. 0. 1.2246468e-16] print(exp_values) # 输出: [ 2.71828183 7.3890561 20.08553692] print(log_values) # 输出: [1.38629436 0. 1.79175947] ``` #### 4. 广播机制 即使数组的形状不完全相同，在某些条件下仍然可以通过 **广播** 来完成运算。这使得不同维度或大小的数组也可以相互配合工作[^3]。 ```python d = np.array([[1], [2]]) e = np.array([3, 4]) broadcast_result = d + e print(d.shape) # 输出: (2, 1) print(e.shape) # 输出: (2,) print(broadcast_result) # 输出: [[4 5] [5 6]] ``` ---