计算器arctan怎么按-arctanx在计算机怎么按
NumPy（Numerical Python）是Python一个极为重要的第三方库，它支持大量的维度数组与矩阵运算，同时为数组运算提供了丰富的数学函数库。诸多其他科学计算的第三方库均以NumPy为基础建立，比如pandas的数据就是以numpy为核心技术构建。
NumPy是一个科学计算库，其核心概念是数组（ndarray）。与列表不同，ndarray使用一块连续的内存来存储数据。
可以通过列表创建数组，然后使用np.array进行初始化。
可以利用reshape函数创建二维数组。
二维数组的索引方式有两种：一种是a[x][y]的形式，另一种是a[x,y]，后者更为推荐。
- ndim表示数组的维度，也就是数组是几维的。
- shape表示数组的形状，即各个维度的大小。
- size表示数组元素的个数。
- dtype表示数据类型。
- itemsize表示数组每个元素的大小。
- flags表示数组的内存信息。
- real和imag分别表示数组元素的实部和虚部。
- data包含实际数组元素的缓冲区。
可生成空数组，利用np.empty可创建未初始化的空数组，其数组元素为随机值。
生成全0或全1的数组，通过dtype可以指定数组中元素类型。
可以使用np.zeros和np.ones等函数生成特定形状的数组，并填充相应的值。
可以生成指定范围内的数组，包括等差数列和等比数列。
生成单位矩阵，即对角线上的元素为1的二维矩阵。
关于array和list的切片区别：a=b时，两者完全不复制，变化会相互影响；a=b[:]时，会创建新的对象a，但两者的变化是一致的；a=b.copy()时，为深拷贝，两者互不影响。
布尔索引：可以将布尔表达式作为索引来筛选数组元素。
nan（not a number）是一个特殊的浮点数值，表示非数字，其类型为float类型。
inf表示无穷大，也是float型数据。其用法与isnan类似。
可以利用np.random模块中的函数随机产生数。
np.where函数有多种用法：
- (1)三个参数np.where(condition, x, y)：满足条件（condition）时输出x的值，不满足则输出y的值。
- (2)一个参数np.where(arr)：输出arr中“真”值的坐标。
关于矩阵的垂直拼接和水平拼接：垂直拼接需要确保两个数组在行维度上大小相同，而水平拼接则需要列维度上大小相同。
NumPy中还包含了矩阵库numpy.matlib，其中的函数返回的是矩阵对象而非ndarray对象。除了使用numpy.transpose函数来转置数组外，还可以利用T属性来实现这一功能。
NumPy还支持各种数算，如加法、减法、乘法、除法等。这些运算通常是对矩阵中的每个元素进行计算。
对于矩阵的运算，如加法、减法和乘法等，需注意矩阵间的兼容性和计算规则。np.linalg模块提供了许多关于矩阵运算的函数，如行列式计算、逆矩阵计算等。
numpy还支持文件的保存与读取操作，如以.npy为后缀的二进制文件和以.npz结尾的压缩二进制文件。还提供了诸如genfromtxt和loadtxt等函数用于读取文件数据。
对于dtype为numpy.string_或numpy.unicode_的数组，numpy还提供了一系列字符串操作函数，基于Python内置库中的标准字符串函数定义。
