NumPy 是 Python 科學計算的基礎庫，其函數體系覆蓋數組創建、結構變換、索引操作、數學運算、統計分析與線性代數等多個方面。由于接口分散且數量眾多，缺乏統一視角往往不利于系統理解與高效查閱。本手冊以功能分類為主線，對常用函數進行結構化整理，建立清晰的知識框架，既可作為查閱工具，也可作為系統學習 NumPy 的參考。

點擊分組標題可查閱詳細說明。

1 從對象或現有數據構造

array()

asarray()

asanyarray()

copy()

fromiter()

frombuffer()

fromfile()

fromstring()

2 初始化與占位創建

zeros()

ones()

empty()

full()

3 按已有數組模板創建

zeros_like()

ones_like()

empty_like()

full_like()

4 按數值序列創建

arange()

linspace()

logspace()

geomspace()

5 按結構規則創建

eye()

identity()

tri()

tril()

triu()

diag()

diagflat()

6 網格與坐標創建

indices()

meshgrid()

7 按函數規則創建

fromfunction()

8 按隨機數分布創建

NumPy 提供隨機數生成模塊 numpy.random。當前推薦使用 Generator 隨機數接口。

注：本篇主要整理 ndarray 的常用屬性，雖非函數，但為便于統一檢索，仍納入本手冊體系。

1 結構屬性

shape

ndim

size

2 類型屬性

dtype

itemsize

3 存儲與內存屬性

nbytes

base

data

4 內存布局屬性

strides

flags

5 結構變換相關屬性

T

6 復數相關屬性

real

imag

注：where、compress、extract、nonzero、argwhere 等函數在不同語境中同時具有“索引定位”與“條件篩選”雙重角色，本篇側重其索引與提取語義。

1 索引位置獲取

argmax()

argmin()

argwhere()

nonzero()

flatnonzero()

2 條件索引

where()

3 元素提取與選擇

take()

choose()

take_along_axis()

compress()

extract()

ix_()

4 索引變換與坐標轉換

unravel_index()

ravel_multi_index()

5 對角線與軸向提取

diagonal()

trace()

1 寫入與替換

put()

put_along_axis()

place()

putmask()

copyto()

2 插入元素

insert()

3 刪除元素

delete()

4 數組填充

fill() -- ndarray 方法

1 形狀調整

reshape()

resize()

2 數組展平

ravel()

flatten()

3 維度變化

squeeze()

expand_dims()

4 維度保證

atleast_1d()

atleast_2d()

atleast_3d()

5 軸變換

transpose()

swapaxes()

moveaxis()

rollaxis()

1 沿已有軸拼接

concatenate()

concat()

2 沿新軸堆疊

stack()

3 分塊拼接（結構拼接）

block()

4 按方向組織的便捷拼接接口

vstack()

hstack()

dstack()

5 列向量/行方向便捷接口

column_stack()

row_stack() -- 已棄用，不推薦繼續使用

6 簡化拼接接口

append()

7 其它常用快捷拼接語法

r_

c_

1 元素級重復

repeat()

2 結構級復制

tile()

3 廣播機制擴展

broadcast_to()

broadcast_arrays()

1 等分拆分

split()

2 不等分拆分

array_split()

3 按方向拆分接口（基于 split）

hsplit()

vsplit()

dsplit()

4 堆疊的逆操作

unstack()

注：NumPy 中“索引”與“條件篩選”在實現上高度耦合。本篇側重依據布爾條件進行過濾、提取與邏輯組合；部分函數因此與“數組索引與切片”一篇存在交叉。

1 條件篩選與提取

where()

extract()

compress()

2 索引獲取

nonzero()

argwhere()

3 條件分支選擇

select()

piecewise()

4 集合判斷

isin()

5 邏輯運算

logical_and()

logical_or()

logical_not()

logical_xor()

1 排序操作

sort()

2 索引排序

argsort()

lexsort()

3 部分排序

partition()

argpartition()

4 搜索定位

searchsorted()

5 去重/唯一值提取

unique()

1 基本數值運算

abs()

fabs()

negative()

square()

sqrt()

cbrt()

reciprocal()

NumPy 還提供基礎算術 ufunc（add、subtract、multiply、divide），但通常直接使用運算符（+、-、*、/）更為常見。

2 冪與指數運算

power()

exp()

3 對數運算

log()

log10()

log2()

4 三角函數與角度轉換

4.1 三角函數

sin()

cos()

tan()

4.2 逆三角函數

arcsin()

arccos()

arctan()

arctan2()

4.3 角度與弧度轉換

deg2rad() / radians()

rad2deg() / degrees()

5 取整與數值限制

ceil()

floor()

around()

round() / around()

trunc()

clip()

sign()

signbit()

copysign()

mod()

fmod()

6 逐元素最大值/最小值

maximum()

minimum()

fmax()

fmin()

7 向量與幾何計算

hypot()

8 雙曲函數與反雙曲函數

8.1 雙曲函數

sinh()

cosh()

tanh()

8.2 反雙曲函數

arcsinh()

arccosh()

arctanh()

9 指數與對數的數值穩定函數

log1p()

expm1()

10 數值判斷

isfinite()

isinf()

isnan()

11 常用數學常量

注：本節一并收錄數值計算中常用的 NumPy 數學常量，便于統一檢索。

pi

e

inf

nan

1 基本統計量

sum()

prod()

mean()

average()

count_nonzero()

2 極值運算

max()

min()

ptp()

3 位置索引函數

argmax()

argmin()

4 累計運算

cumsum()

cumprod()

5 離散程度函數

std()

var()

6 順序統計函數

median()

percentile()

quantile()

7 邏輯聚合運算

any()

all()

8 NaN 安全聚合函數

nansum()

nanprod()

nanmean()

nanmax()

nanmin()

nanstd()

nanvar()

nanmedian()

nanpercentile()

nanquantile()

nancumsum()

nancumprod()

NumPy 提供了一組與線性代數相關的函數，其中相當一部分集中在 numpy.linalg 模塊中，也有部分接口位于 NumPy 頂層命名空間。

1 矩陣與向量乘法及冪運算

matmul()

dot()

multi_dot()

matrix_power()

2 矩陣分解

svd()

svdvals()

qr()

cholesky()

3 線性方程組求解

solve()

lstsq()

4 矩陣特征值與特征向量

eig()

eigh()

eigvals()

eigvalsh()

5 矩陣范數與條件數

norm()

cond()

6 矩陣逆與偽逆

inv()

pinv()

7 矩陣行列式與秩

det()

matrix_rank()

slogdet()

1 NumPy 二進制文件讀寫（.npy）

save()

load()

2 多數組壓縮文件讀寫（.npz）

savez()

savez_compressed()

3 文本文件讀寫

savetxt()

loadtxt()

genfromtxt()

4 原始二進制文件讀寫

fromfile()

tofile()

NumPy 隨機數體系分為 legacy API 與 Generator API。新代碼通常應優先使用 Generator API，并盡量避免在同一隨機流程中與 legacy 接口混用。

1 隨機數生成器控制

seed()

2 均勻分布隨機數

rand()

random()

uniform()

random_sample()

ranf()

sample()

3 整數隨機數

randint()

random_integers() -- 已棄用，不推薦繼續使用

4 隨機抽樣與排列

choice()

permutation()

shuffle()

5 常見概率分布

5.1 正態分布

normal()

randn()

5.2 離散分布

binomial()

multinomial()

poisson()

geometric()

negative_binomial()

5.3 連續分布

exponential()

gamma()

beta()

dirichlet()

chisquare()

lognormal()

1 生成隨機數生成器

default_rng()

2 隨機整數

integers()

3 均勻分布隨機數

random()

uniform()

4 隨機抽樣與排列

choice()

permutation()

shuffle()

5 概率分布生成

5.1 正態分布

normal()

multivariate_normal()

5.2 離散分布

binomial()

multinomial()

poisson()

5.3 連續分布

exponential()

gamma()

beta()

chisquare()

lognormal()

dirichlet()

小結

本手冊以功能分類為主線，對 NumPy 常用接口進行了系統整理，涵蓋數組創建、屬性、索引、結構調整、數值運算、統計分析、線性代數、文件讀寫與隨機數生成等核心內容。通過統一編排，可將分散接口納入同一認知框架，提升查閱效率，并幫助讀者逐步建立對 NumPy 計算體系的整體理解。

“點贊有美意，贊賞是鼓勵”