【NumPy】NumPy实战入门：基础算术运算（加：add、减：subtract、乘：multiply、除：divide）详解

🧑 博主简介：阿里巴巴嵌入式技术专家，深耕嵌入式+人工智能领域，具备多年的嵌入式硬件产品研发管理经验。

📒 博客介绍：分享嵌入式开发领域的相关知识、经验、思考和感悟，欢迎关注。提供嵌入式方向的学习指导、简历面试辅导、技术架构设计优化、开发外包等服务，有需要可加文末联系方式联系。

💬 博主粉丝群介绍：① 群内高中生、本科生、研究生、博士生遍布，可互相学习，交流困惑。② 热榜top10的常客也在群里，也有数不清的万粉大佬，可以交流写作技巧，上榜经验，涨粉秘籍。③ 群内也有职场精英，大厂大佬，可交流技术、面试、找工作的经验。④ 进群免费赠送写作秘籍一份，助你由写作小白晋升为创作大佬。⑤ 进群赠送CSDN评论防封脚本，送真活跃粉丝，助你提升文章热度。有兴趣的加文末联系方式，备注自己的CSDN昵称，拉你进群，互相学习共同进步。

1. 引言

NumPy，作为Python科学计算的明星库，其核心之一在于提供了一系列高效、灵活的数组运算功能，使得数值计算变得简单而强大。本文将聚焦于NumPy中的基础算术操作函数，包括加、减、乘、除等，通过实例解析这些API的使用方法，帮助你轻松驾驭数组间的数学运算。

2. NumPy简介

NumPy，全称Numerical Python，是Python语言的一个扩展库，专为大规模数值计算和数组操作而设计。其核心数据结构ndarray（N-dimensional array object）支持多维数组操作，配合丰富的数学函数库，使得数据处理和科学计算变得高效且直观。

3. 数学运算核心API

NumPy提供了直接作用于数组的算术运算函数，让数组间的运算变得直观且高效。

3.1 加法：numpy.add

功能：对两个数组执行元素级加法运算。

示例:

import numpy as np

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
result = np.add(arr1, arr2)
print(result)  # 输出 [5 7 9]

3.2 减法：numpy.subtract

功能：对两个数组执行元素级减法运算。

示例:

import numpy as np

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
result = np.subtract(arr1, arr2)
print(result)  # 输出 [-3 -3 -3]

3.3 乘法：numpy.multiply

功能：对两个数组执行元素级乘法运算。

示例:

import numpy as np

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
result = np.multiply(arr1, arr2)
print(result)  # 输出 [4 10 18]

3.4 除法：numpy.divide

功能：对两个数组执行元素级除法运算。

示例:

import numpy as np

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
result = np.divide(arr1, arr2)
print(result)  # 输出 [0.25 0.4 0.5]

4. 注意事项

• 这些运算都支持广播机制，即当两个数组形状不完全一致时，NumPy会自动对较小数组进行扩展，以匹配较大数组的形状，使得操作可以进行。
• 对于除法操作，需注意除以零的情况，这将导致错误或NaN（非数字）值。

5. 总结

掌握NumPy中的基础算术操作函数，是进行复杂数据处理和科学计算的基石。通过直接在数组级别执行加、减、乘、除运算，我们不仅能够简化代码，提高计算效率，还能避免低效的循环结构。无论是在数据分析、机器学习还是物理模拟等场景中，这些核心功能都是不可或缺的工具。继续深入探索NumPy的高级功能和特性，将为你的数据之旅增添无限可能。