Вот несколько распространенных методов выполнения операций с массивами NumPy:

1. Создание массива:

   • numpy.array(): создает массив NumPy из списка или кортежа Python.
   • numpy.zeros(): создает массив, заполненный нулями.
   • numpy.ones(): создает массив, заполненный единицами.
   • numpy.arange(): создает массив со значениями, расположенными через равные интервалы.
   • numpy.linspace(): создает массив с указанным количеством значений в заданном диапазоне.
   • numpy.random.rand(): создает массив со случайными значениями из равномерного распределения.

2. Манипулирование массивом:

   • numpy.reshape(): изменяет форму массива.
   • numpy.concatenate(): объединяет несколько массивов вдоль указанной оси.
   • numpy.split(): разбивает массив на несколько подмассивов.
   • numpy.transpose(): транспонирует размеры массива.
   • numpy.flatten(): преобразует многомерный массив в одномерный массив.

3. Математические операции:

   • numpy.add(): добавляет два массива поэлементно.
   • numpy.subtract(): вычитает один массив из другого поэлементно.
   • numpy.multiply(): умножает два массива поэлементно.
   • numpy.divide(): делит один массив на другой поэлементно.
   • numpy.dot(): вычисляет скалярное произведение двух массивов.

4. Статистика массива:

   • numpy.mean(): вычисляет среднее арифметическое вдоль указанной оси.
   • numpy.median(): вычисляет медиану вдоль указанной оси.
   • numpy.min(): находит минимальное значение в массиве.
   • numpy.max(): находит максимальное значение в массиве.
   • numpy.std(): вычисляет стандартное отклонение вдоль указанной оси.

5. Сравнение массивов и логические операции:

   • numpy.equal(): сравнивает два массива на предмет равенства по элементам.
   • numpy.greater(): проверяет, больше ли один массив поэлементно, чем другой.
   • numpy.ological_and(): вычисляет поэлементное логическое И двух массивов.
   • numpy.ological_or(): вычисляет поэлементное логическое ИЛИ двух массивов.
   • numpy.ological_not(): вычисляет поэлементное логическое НЕ массива.