numpy_operations(Numberical operations on arrays)

一、Elementwise operations

1、With scalars:

输入：

import numpy as npa = np.array([1, 2, 3, 4])a + 1

输出：

array([2, 3, 4, 5])

输入：

2**a

输出：

array([ 2,  4,  8, 16])

2、All arithmetic operates elementwise:

输入：

b = np.ones(4) + 1#创建一个值全为1的数组，然后再加上1（每个元素都加）ba - b#对应元素进行相减

输出：

array([-1.,  0.,  1.,  2.])

输入：

a * b

输出：

array([ 2.,  4.,  6.,  8.])

输入：

j = np.arange(5)2**(j + 1) - j

输出：

array([ 2,  3,  6, 13, 28])

3、矩阵乘法：

输入：

c = np.((3,3))c.dot(c) #矩阵乘法

输出：

array([[ 3.,  3.,  3.],       [ 3.,  3.,  3.],       [ 3.,  3.,  3.]])

4、矩阵的比较和位运算：

5、超验功能：

6、形状不匹配的操作

7、上三角矩阵、转置

np.triu为上三角矩阵，np.tril为下三角矩阵

8、矩阵比较：

二、子模块numpy.linalg实现基本的线性代数（Linear algebra），如求解线性系统，奇异值分解等。但是，不能保证使用有效的例程编译，因此我们建议使用scipy.linalg，详细 在scipy_linalg部分
1、和运算（整体求和，按行/列求和）

2、求均值（mean）、中位数（median）、标准差（std）

3、求最大值、最小值、最大指数、最小指数

4、数组内的逻辑运算

5、数组整体的比较

np.zeros((100,100))——产生一个值全部为0的100*100的矩阵

np.all()所有数都进行比较