NumPy是一个强大的Python科学计算库，提供了许多基础的常规操作。下面是一些常见的NumPy操作：

  1. 创建数组：

    • np.array([1, 2, 3])：创建一维数组。

    • np.zeros((2, 3))：创建指定形状的全零数组。

    • np.ones((2, 3))：创建指定形状的全一数组。

    • np.arange(start, stop, step)：创建一个等差数列数组。

  2. 数组属性和操作：

    • array.shape：获取数组的形状（行数和列数）。

    • array.ndim：获取数组的维度。

    • array.size：获取数组中的元素总数。

    • array.dtype：获取数组的数据类型。

    • array.reshape(new_shape)：改变数组的形状。

    • array.flatten()：将多维数组展平为一维数组。

    • array.transpose()：矩阵转置。

  3. 数组索引和切片：

    • array[index]：获取指定索引位置的元素或元素组成的子数组。

    • array[start:stop]：获取指定范围内的元素组成的子数组。

    • array[:, col]：获取指定列的元素组成的子数组。

    • array[row, :]：获取指定行的元素组成的子数组。

  4. 数组运算和计算：

    • np.add(array1, array2)：数组相加。

    • np.subtract(array1, array2)：数组相减。

    • np.multiply(array1, array2)：数组相乘。

    • np.divide(array1, array2)：数组相除。

    • np.dot(array1, array2)：数组的矩阵乘法。

    • np.sum(array)：计算数组元素的和。

    • np.mean(array)：计算数组元素的平均值。

    • np.max(array)：获取数组元素的最大值。

  5. 数组统计和排序：

    • np.sort(array)：对数组进行排序。

    • np.min(array)：获取数组元素的最小值。

    • np.max(array, axis)：沿指定轴获取数组元素的最大值。

    • np.median(array)：计算数组元素的中位数。

    • np.std(array)：计算数组元素的标准差。

这些只是NumPy提供的一些基础常规操作示例，NumPy还提供了更多功能和方法，如随机数生成、线性代数运算、傅里叶变换等。NumPy的强大功能使其成为科学计算和数据处理的重要工具。你可以根据实际需求和数据处理任务选择合适的NumPy操作。