科学计算NumPy之Ndarray运算函数操作示例汇总

引言

numpy是python中基于 数组 的科学计算库。Ndarray是numpy中重要的数组对象，它可以处理多维数组，并且提供了丰富的数组操作函数。NumPy的主要功能包括：
① 快速高效的多维数组对象ndarray
② 用于对ndarray数组执行元素级计算以及直接对数组执行数学运算的函数
③ 用于读写硬盘上基于数组的数据集的工具
④ 线性代数运算、傅里叶变换、以及随机数生成等功能。

本文主要介绍Ndarray数组对象的常见运算函数操作示例，通过实际的例子帮助大家更好的理解这些函数在实践中的应用。

1. 数组扁平化ravel()

将多维数组降为一维数组。

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])
flat_arr = arr.ravel()

print(flat_arr)

输出：

[1 2 3 4 5 6]

2. 数据排序sort()

默认按照所有元素，从头到尾排序。

import numpy as np

arr = np.array([[4, 8], [6, 1]])
sorted_arr = np.sort(arr)

print(sorted_arr)

输出：

[[4 8]
 [1 6]]

结论

NumPy中提供的函数非常多，Ndarray最为重要的是数组（矩阵）的运算，包括数组中元素之间的简单运算、数组上的基本统计操作、矩阵计算、矩阵分解、随机数生成、傅里叶变换等，可以大大简化用户编码的难度和代码量，提高计算效率。可以结合 Matplotlib 和 Pandas 等扩展更加简便的完成数据可视化以及科学计算任务。