numpy_operations(Numberical operations on arrays)

一、Elementwise operations

1、With scalars:

輸入：

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

輸出：

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

輸入：

2**a

輸出：

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

2、All arithmetic operates elementwise: 輸入：

b = np.ones(4) + 1#建立一個值全為1的數組，然後再加上1（每個元素都加）ba - b#對應元素進行相減

輸出：

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

輸入：

a * b

輸出：

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

輸入：

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

輸出：

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

3、矩陣乘法：

輸入：

c = np.((3,3))c.dot(c) #矩陣乘法

輸出：

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

4、矩陣的比較和位元運算：

5、超驗功能：

6、形狀不匹配的操作

7、上三角矩陣、轉置

np.triu為上三角矩陣，np.tril為下三角矩陣

8、矩陣比較：

二、子模組numpy.linalg實現基本的線性代數（Linear algebra），如求解線性系統，奇異值分解等。但是，不能保證使用有效常式編譯，因此我們建議使用scipy.linalg，詳細 在scipy_linalg部分
1、和運算（整體求和，按行/列求和）

2、求均值（mean）、中位元（median）、標準差（std）

3、求最大值、最小值、最大指數、最小指數

4、數組內的邏輯運算

5、數組整體的比較

np.zeros((100,100))——產生一個值全部為0的100*100的矩陣

np.all()所有數都進行比較