创建一个NumPy数组
array = np.array([1, 2, 3, 4, 5])
创建一个全0数组
zeros_array = np.zeros((3, 3))
创建一个单位矩阵
identity_matrix = np.eye(3)
创建一个随机数数组
random_array = np.random.random((3, 3))
数组切片，获取前三个元素
sliced_array = array[:3]
数组相加
added_array = array + 2
数组相减
subtracted_array = array - 2
数组相乘
multiplied_array = array * 2
数组相除
divided_array = array / 2
数组求和
sum_array = np.sum(array)
沿着指定轴求和 (axis=0)
sum_axis_0 = np.sum(random_array, axis=0)
沿着指定轴求和 (axis=1)
sum_axis_1 = np.sum(random_array, axis=1)
数组求平均值
mean_array = np.mean(array)
数组求最大值
max_array = np.max(array)
数组求最小值
min_array = np.min(array)
数组求标准差
std_dev_array = np.std(array)
数组求方差
variance_array = np.var(array)
数组转置
transposed_array = np.transpose(identity_matrix)
计算两个数组的点积
dot_product = np.dot(array, [1, 2, 3, 4, 5])
计算两个数组的外积
outer_product = np.outer(array, [1, 2, 3])
计算数组的逆
inverse_array = np.linalg.inv(identity_matrix)
计算数组的行列式
determinant = np.linalg.det(identity_matrix)
计算数组的迹
trace = np.trace(identity_matrix)
计算数组的秩
rank = np.linalg.matrix_rank(identity_matrix)
计算数组的范数
norm = np.linalg.norm(array)
计算数组的累积和
cumsum_array = np.cumsum(array)
计算数组的累积乘积
cumprod_array = np.cumprod(array)
计算数组的梯度
gradient = np.gradient(array)
计算数组的中值滤波
median_array = np.median(array)
计算数组的非零元素数量
nonzero_count = np.count_nonzero(array)
计算数组的直方图
histogram = np.histogram(array)
计算数组的逻辑非
logical_not = np.logical_not(array)
计算数组的逻辑与
logical_and = np.logical_and(array, [1, 2, 3, 4, 5])
计算数组的逻辑或
logical_or = np.logical_or(array, [1, 2, 3, 4, 5])
打印数组
print(zeros_array)
