当前位置：首页>python>Python数据分析基石NumPy全套干货Part.4

Python数据分析基石NumPy全套干货Part.4

2026-03-27 07:54:36

（喜欢的朋友感谢你的点赞关注~）

第四篇：NumPy核心运算⚡数学计算+统计函数+广播机制

终于到了NumPy的核心灵魂环节——数值运算！这也是它能取代原生Python列表的关键原因。

本篇讲解数组的各类运算操作，包括基础数学运算、常用统计函数、神奇的广播机制，不用写循环，一行代码完成批量计算，彻底体会NumPy的高效便捷，数据分析、机器学习的计算逻辑全靠它实现～

🧮 基础数组运算（矢量运算，无循环）

NumPy支持矢量运算，整个数组直接和数字、同形状数组做加减乘除、幂运算、取余等，代码极简，速度极快：

import numpy as nparr = np.array([[1,2,3],[4,5,6]])# 数组与标量运算print("数组+2：\n", arr + 2)print("数组*3：\n", arr * 3)print("数组平方：\n", arr ** 2)# 同形状数组运算arr2 = np.ones((2,3))print("数组相加：\n", arr + arr2)

📊 常用统计函数（数据分析必备）

NumPy内置海量统计函数，一键计算求和、均值、最值、方差、标准差等，支持按行/列计算，也支持全局计算：

全局统计：sum()、mean()、max()、min()、std()、var()
按轴统计：axis=0按列计算，axis=1按行计算

arr = np.array([[1,2,3],[4,5,6],[7,8,9]])# 全局统计print("总和：", np.sum(arr))print("均值：", np.mean(arr))print("最大值：", np.max(arr))# 按列求和，按行求均值print("按列求和：", np.sum(arr, axis=0))print("按行均值：", np.mean(arr, axis=1))

✨ 神奇的广播机制（NumPy黑科技）

广播机制是NumPy最独特的功能，不同形状的数组也能直接运算，不用手动扩展数组，自动补齐形状，省去大量数据预处理工作：

广播规则

维度不足的数组，在左侧补维度；
形状为1的维度，自动扩展至对应形状。

# 二维数组（2,3） + 一维数组（3,），自动广播arr1 = np.array([[1,2,3],[4,5,6]])arr2 = np.array([10,20,30])print("广播运算结果：\n", arr1 + arr2)# 二维数组（2,3） + 单列数组（2,1），自动广播arr3 = np.array([[1],[2]])print("广播运算结果：\n", arr1 + arr3)

➗ 线性代数运算（矩阵必备）

机器学习、数学建模常用的矩阵乘法、逆矩阵、行列式，NumPy一键实现：

# 矩阵乘法a = np.array([[1,2],[3,4]])b = np.array([[5,6],[7,8]])dot_result = np.dot(a,b)# 计算行列式det = np.linalg.det(a)print("矩阵乘法：\n", dot_result)print("行列式：", det)