Numpy数组算术

数组之所以重要是因为它允许你进行批量操作而无须任何for循环。Numpy用户称这种特性为 向量化。任何在两个等尺寸数组之间的算术操作都应用了逐元素操作的方式：

import numpy as np
arr = np.array([[1,2,3],[4,5,6]])

arr
array([[1, 2, 3],
       [4, 5, 6]])

arr * arr
array([[ 1,  4,  9],
       [16, 25, 36]])

arr - arr
array([[0, 0, 0],
       [0, 0, 0]])

带有标量计算的算术操作，会把计算参数传递给数组的每一个元素：

1/arr
array([[1.        , 0.5       , 0.33333333],
       [0.25      , 0.2       , 0.16666667]])

arr ** 0.5
array([[1.        , 1.41421356, 1.73205081],
       [2.        , 2.23606798, 2.44948974]])

同尺寸数组之间的比较，会产生一个布尔值数组：

arr2 = np.array([[0.,4.,1.],[7.,2.,12.]])

arr2
array([[ 0.,  4.,  1.],
       [ 7.,  2., 12.]])

arr2 > arr
array([[False,  True, False],
       [ True, False,  True]])

不同尺寸的数组间的操作，将会用到 广播特性。
广播的规则：如果对于每个结尾维度（即从尾部开始的），轴长度都匹配或者长度都是1，两个二维数组就是可以兼容广播的。之后，广播会在丢失的或长度为1的轴上进行。