激动的心，颤抖的手，终于讲到函数了。

到这说明numpy这项工具被你掌握了大半。

掌握了前面的array对象和操作，数学运算、函数和统计是非常好理解的东西，无非调用numpy封装好的工具而已。

废话不多说，开始今天的内容。

---

数学运算

常用的数学运算有加减乘除，取绝对值，取倒数，幂运算，求和等等。

下面整理了一些常用的数学运算方法：

功能	方法	参数	说明
加	np.add()	arr1,arr2	arr1 + arr2
减	np.subtract()	arr1,arr2	arr1 - arr2
乘	np.multiply()	arr1,arr2	arr1 * arr2
除	np.divide()	arr1,arr2	arr1 / arr2
求倒数	np.reciprocal()	args	1/args（args的倒数）
求余数	np.mod()	args1,args2	args1 % args2（args1除以args2后的余数）
求绝对值	np.absolute()	args	/args/（args的绝对值）
幂运算	np.power()	args1,args2	args1 ^ args2（args1的args2次方）

import numpy as np
arr1 = np.array([1, 3, 5])
arr2 = np.array([2, 4, 6])
print('arr1 + arr2: ', np.add(arr1, arr2))   # 求和，等同于使用 +（arr1 + arr2）
# 运算结果：
arr1 + arr2:  [ 3  7 11]

arr1 = np.array([1, 3, 5])
arr2 = np.array([2, 4, 6])
print('arr1 - arr2: ', np.subtract(arr1, arr2))   # 求差，等同于使用 -（arr1 - arr2）
# 运算结果：
arr1 - arr2:  [-1 -1 -1]

arr1 = np.array([1, 3, 5])
arr2 = np.array([2, 4, 6])
print('arr1 * arr2: ', np.multiply(arr1, arr2))   # 求乘，等同于使用 *(arr1 * arr2)
# 运算结果：
arr1 * arr2:  [ 2 12 30]

arr1 = np.array([1, 3, 5])
arr2 = np.array([2, 4, 6])
print('arr1 / arr2: ', np.divide(arr1, arr2))   # 求商，等同于使用 /(arr1 / arr2)
# 运算结果：
arr1 / arr2:  [0.5        0.75       0.83333333]

arr1 = np.array([1, 3, 5],dtype='float64')
print('arr1计算倒数: ', np.reciprocal(arr1))   # 求倒数，需指定数据类型以保证精度，等同于（1 / arr1）
arr2 = np.array([2, 4, 6])
# 运算结果：
arr1计算倒数:  [1.         0.33333333 0.2       ]

arr1 = np.array([1, 3, 5])
arr2 = np.array([2, 4, 6])
print('arr1 % arr2: ', np.mod(arr2, arr1))   # 求余数
# 运算结果：
arr1 % arr2:  [0 1 1]

arr1 = np.array([1, -3, 5])
print('arr1的绝对值: ', np.absolute(arr1))   # 求绝对值
# 运算结果：
arr1的绝对值:  [1 3 5]

arr1 = np.array([1, 3, 5])
arr2 = np.array([2, 4, 6])
print('arr1 ^ arr2: ', np.power(arr2, arr1))   # 求次方
# 运算结果：
arr1 ^ arr2:  [   2   64 7776]

当然，numpy的科学计算远不止这些，还可以求对数、积分、聚合计算等等。这里只列举了一些平时用的较多的方法，没必要都背下来，需要再查也来得及。

而且，numpy的计算方式很灵活，比如上面的加减乘除或求倒、求幂等等，有多种计算方式，要懂得融会贯通，才能简捷高效地达到运算效果。

---

数学函数

高深的数学函数平时应用场景非常少（也可能我的层次没达到=。=），这里只列举下三角函数的计算方法，其他需要了可以再查：

功能	方法	参数	说明
π值	np.pi	调用常数，π值	3.14159265...
sin函数	np.sin()	args	对数组的元素分别计算sin函数
cos函数	np.cos()	args	对数组的元素分别计算cos函数
tan函数	np.tan()	args	对数组的元素分别计算tan函数
舍入函数	np.around()	args, number	对args取number位

import numpy as np

pi = np.pi
print('π值：', pi)
# 运算结果：
π值： 3.141592653589793

arr1 = np.array([0,30,60,90])
print('给定一组角度arr1，计算其sin值为：', np.sin(arr1 * np.pi / 180))   # 角度 * π / 180，计算sin
print('给定一组角度arr1，计算其cos值为：', np.cos(arr1 * np.pi / 180))   # 角度 * π / 180，计算cos
print('给定一组角度arr1，计算其tan值为：', np.tan(arr1 * np.pi / 180))   # 角度 * π / 180，计算tan
# 运算结果：
给定一组角度arr1，计算其sin值为： [0.        0.5       0.8660254 1.       ]
给定一组角度arr1，计算其cos值为： [1.00000000e+00 8.66025404e-01 5.00000000e-01 6.12323400e-17]
给定一组角度arr1，计算其tan值为： [0.00000000e+00 5.77350269e-01 1.73205081e+00 1.63312394e+16]

arr1 = np.array([1,3,5,7])
print('对arr1除以4，取小数点后两位：', np.around(arr1 / 4 ,2))
# 运算结果：
对arr1除以4，取小数点后两位： [0.25 0.75 1.25 1.75]

---

今天的内容理解起来轻松了很多，后面会越来越轻松。