Python的NumPy库是科学计算的核心工具，提供超过200种高效函数，涵盖数组创建、数学运算、统计分析和线性代数等场景。 其核心优势在于高性能的ndarray多维数组操作和广播机制，能大幅简化复杂数值计算。以下是关键函数分类与应用亮点：
-
数组创建：
np.array()将列表转为数组，np.arange()生成等差数列，np.linspace()创建等间隔数列。特殊矩阵如np.zeros()（全零）和np.eye()（单位矩阵）可快速初始化数据结构。 -
数学运算：
np.add()、np.multiply()支持元素级计算，np.sqrt()和np.exp()实现指数与对数运算。广播功能允许不同形状数组直接运算，如标量与数组相乘。 -
统计分析：
np.mean()计算平均值，np.std()求标准差，np.argmax()定位极值索引。加权平均np.average()和分位数np.percentile()满足复杂统计需求。 -
形状操作：
reshape()调整维度而不改变数据，transpose()转置矩阵，concatenate()拼接数组。内存优化函数如np.resize()可原地修改数组结构。 -
随机数生成：
np.random.rand()生成均匀分布随机数，np.random.normal()支持正态分布，蒙特卡洛模拟等场景常用。 -
线性代数：
np.dot()计算点积，np.linalg.inv()求逆矩阵，np.eig()分解特征值，机器学习模型依赖这些函数。
提示：实际应用中，优先查阅NumPy官方文档组合使用函数。例如，数据预处理可链式调用reshape()、mean()和std()实现标准化。避免死记硬背，通过实践项目掌握高频函数组合逻辑。