Numpy 是一个强大的 Python 计算库。 它提供了广泛的数学函数，可以对数组和矩阵执行各种操作。 本文中将整理一些基本和常用的数学操作。
我们将介绍基本的数学运算:
加法
使用numpy.add()逐个添加两个数组元素。例如，要添加两个数组a和b，可以使用以下代码:
import numpy as npa = np.array([1, 2, 3])b = np.array([4, 5, 6])c = np.add(a, b)print(c) # Output: [5, 7, 9]也可以使用+运算符:
c = a + bprint(c) # Output: [5, 7, 9]减法
numpy.subtract()可用于从另一个元素中减去一个数组。例如，要从数组a中减去数组b，可以使用以下代码:
import numpy as npa = np.array([1, 2, 3])b = np.array([4, 5, 6])c = np.subtract(a, b)print(c) # Output: [-3, -3, -3]也可以使用-运算符:
c = a - bprint(c) # Output: [-3, -3, -3]乘法
numpy.multiply()函数可用于按元素将两个数组相乘。例如，要将两个数组a和b相乘，可以使用以下代码:
import numpy as npa = np.array([1, 2, 3])b = np.array([4, 5, 6])c = np.multiply(a, b)print(c) # Output: [4, 10, 18]也可以使用*运算符:
c = a * bprint(c) # Output: [4, 10, 18]要说明的一点是，这个是逐元素乘法，点积乘法使用dot，在后面会介绍。所以这个操作要求两个变量的维度相同，如果不同则会首先进行广播操作。
除法
numpy.divide()函数可用于将一个数组除以另一个元素。例如，要用数组a除以数组b，你可以使用以下代码:
import numpy as npa = np.array([1, 2, 3])b = np.array([4, 5, 6])c = np.divide(a, b)print(c) # Output: [0.25, 0.4, 0.5]也可以使用/运算符:
c = a / bprint(c) # Output: [0.25, 0.4, 0.5]再次说明：上述所有函数都是在输入数组上以element wise的方式应用的，也就是逐元素方式，所以它们返回一个与输入形状相同的数组。
最常见的是线性代数函数有
点积
numpy.dot()函数可用于计算两个数组的点积。例如，要计算两个1-D数组a和b的点积，可以使用以下代码:
import numpy as npa = np.array([1, 2, 3])b = np.array([4, 5, 6])c = np.dot(a, b)print(c) # Output: 32或者直接使用@操作符
c = a @ bprint(c) # Output: 32矩阵乘法
numpy.matmul()函数可用于执行两个数组的矩阵乘法。例如，要执行两个2-D数组a和b的矩阵乘法，可以使用以下代码:
import numpy as npa = np.array([[1, 2], [3, 4]])b = np.array([[5, 6], [7, 8]])c = np.matmul(a, b)print(c)# Output:# [[19 22]# [43 50]]可以使用@运算符来执行矩阵乘法:
c = a @ bprint(c)# Output:# [[19 22]# [43 50]]转置
numpy.transpose()函数可用于转置数组。例如，要转置一个2-D数组a，你可以使用以下代码:
import numpy as npa = np.array([[1, 2], [3, 4]])b = np.transpose(a)print(b)# Output:# [[1 3]# [2 4]]也可以直接使用.T属性来转置数组:
b = a.Tprint(b)# Output:# [[1 3]# [2 4]]行列式
numpy.linalg.det()函数可用于计算正方形数组的行列式。例如，要计算二维数组a的行列式，可以使用以下代码:
import numpy as npa = np.array([[1, 2], [3, 4]])d = np.linalg.det(a)print(d) # Output: -2.000000000000000注意，输入数组必须是正方形数组，即它必须有相同的行数和列数。
逆
numpy.linalg.inv()函数可用于计算正方形数组的逆inverse 。例如，要计算一个2-D数组a的逆，你可以使用以下代码:
import numpy as npa = np.array([[1, 2], [3, 4]])b = np.linalg.inv(a)print(b)# Output:# [[-2. 1. ]# [ 1.5 -0.5]]需要注意的是，输入数组必须是方阵，而且行列式必须非零。否则，numpy将引发LinAlgError。
以上就是我们常用的线性代数函数，还有更多函数来计算矩阵和数组上的线性代数运算，可以查看Numpy文档。
Numpy中包含了一些最常用的三角函数包括Numpy .sin()、Numpy .cos()、Numpy .tan()、Numpy .arcsin()、Numpy .arccos()、Numpy .arctan()或Numpy .log()。numpy.sin()的例子:
import numpy as npa = np.array([0, 30, 45, 60, 90])b = np.sin(a)print(b)# Output: [ 0. 0.5 0.70710678 0.8660254 1. ]numpy.log计算自然对数是指数函数的倒数，因此log(exp(x)) = x。自然对数是以e为底的对数。
import numpy as npnp.log([1, np.e, np.e**2, 0])#array([ 0., 1., 2., -Inf])以上就是Numpy中常用的数学函数的总结，希望对你有所帮助，另外就是Numpy的文档非常详尽，如果你想寻找什么函数，可以直接进行查询：https://numpy.org/doc/
联系客服
