一、實驗介紹

1.1 實驗內容

如果你使用 Python 語言進行科學計算，那么一定會接觸到NumPy。NumPy 是支持 Python 語言的數值計算擴充庫，其擁有強大的多維數組處理與矩陣運算能力。除此之外，NumPy 還內建了大量的函數，方便你快速構建數學模型。

1.2 實驗知識點

1.3 實驗環境

1.4 適合人群

本課程難度為一般，屬于初級級別課程，適合具有 Python 基礎，并對使用 NumPy 進行科學計算感興趣的用戶。

二、數學函數

使用 python 自帶的運算符，你可以完成數學中的加減乘除，以及取余、取整，冪次計算等。導入自帶的 math 模塊之后，里面又包含絕對值、階乘、開平方等一些常用的數學函數。不過，這些函數仍然相對基礎。如果要完成更加復雜一些的數學計算，就會顯得捉襟見肘了。

numpy 為我們提供了更多的數學函數，以幫助我們更好地完成一些數值計算。下面就依次來看一看。

2.1 三角函數

首先, 看一看 numpy 提供的三角函數功能。這些方法有：

numpy.sin(x)numpy.cos(x)numpy.tan(x)numpy.arcsin(x)numpy.arccos(x)numpy.arctan(x)numpy.hypot(x1,x2)numpy.degrees(x)numpy.radians(x)numpy.deg2rad(x)numpy.rad2deg(x)

比如，我們可以用上面提到的 numpy.rad2deg(x) 將弧度轉換為度。

示例代碼：

import numpy as npnp.rad2deg(np.pi)

2.2 雙曲函數

在數學中，雙曲函數是一類與常見的三角函數類似的函數。雙曲函數經常出現于某些重要的線性微分方程的解中，使用 numpy 計算它們的方法為：

numpy.sinh(x)numpy.cosh(x)numpy.tanh(x)numpy.arcsinh(x)numpy.arccosh(x)numpy.arctanh(x)

2.3 數值修約

數值修約, 又稱數字修約, 是指在進行具體的數字運算前, 按照一定的規則確定一致的位數, 然后舍去某些數字后面多余的尾數的過程[via. 維基百科]。比如, 我們常聽到的「4 舍 5 入」就屬于數值修約中的一種。

numpy.around(a)numpy.round_(a)numpy.rint(x)numpy.fix(x, y)numpy.floor(x)numpy.ceil(x)numpy.trunc(x)

隨機選擇幾個浮點數，看一看上面方法的區別。

2.4 求和、求積、差分

下面這些方法用于數組內元素或數組間進行求和、求積以及進行差分。

numpy.prod(a, axis, dtype, keepdims)numpy.sum(a, axis, dtype, keepdims)numpy.nanprod(a, axis, dtype, keepdims)numpy.nansum(a, axis, dtype, keepdims)numpy.cumprod(a, axis, dtype)numpy.cumsum(a, axis, dtype)numpy.nancumprod(a, axis, dtype)numpy.nancumsum(a, axis, dtype)numpy.diff(a, n, axis)numpy.ediff1d(ary, to_end, to_begin)numpy.gradient(f)numpy.cross(a, b, axisa, axisb, axisc, axis)numpy.trapz(y, x, dx, axis)