一、引言

在數學建模的世界里，我們常常需要處理大量的數據和進行復雜的數值計算。Python 中的 NumPy 庫就像是一位得力的助手，它為我們提供了強大的多維數組對象和豐富的數學函數，讓我們能夠高效地完成各種數值計算任務。接下來，我們將深入探討 NumPy 在數學建模中的基本使用方法。

二、數組的生成

2.1 基本數組生成

import numpy as np# 生成整型數組
a1 = np.array([1, 2, 3, 4])
a2 = a1.astype(float)
# 直接指定浮點數類型生成數組
a3 = np.array([1, 2, 3, 4], dtype=float)
print("a1 的數據類型:", a1.dtype)
print("a2 的數據類型:", a2.dtype)
print("a3 的數據類型:", a3.dtype)b = np.array([[1, 2, 3], [4, 5, 6]])
c = np.arange(1, 5)
d = np.linspace(1, 4, 4)
e = np.logspace(1, 3, 3, base=3)
print("對數等間距數組 e:", e)

在這段代碼中，我們使用 np.array 函數來創建數組。astype 方法可以將數組的數據類型進行轉換。np.arange 用于生成一個從起始值到結束值（不包含結束值），步長為 1 的等差數列。np.linspace 可以生成指定區間內的等間距數組，np.logspace 則用于生成對數等間距的數組。

2.2 特殊數組生成

import numpy as npa = np.ones(4, dtype=int)
b = np.ones((4,), dtype=int)
c = np.ones((4, 2))
print("全 1 一維數組 a:", a)
print("全 1 一維數組 b:", b)
print("全 1 二維數組 c:\n", c)d = np.zeros(4)
e = np.empty(3)
f = np.eye(3)
g = np.eye(5, k=1)
h = np.zeros_like(g)
print("全 0 一維數組 d:", d)
print("未初始化的一維數組 e:", e)
print("