如同MATLAB，numpy中提供了很多用于数学计算与统计方法的函数。如果能够合理利用，可以比自己编写相应的功能简单许多。接下来在shell交互模式下通过简单的命令或者程序语句进行一下演练。
1，创建一个随机数数组arr_demo
In [13]: arr_demo
Out[13]:
array([[1.21620369, -0.97947606, -1.66260524, 0.14750175, 0.61275732],
[-1.05975008, 0.42425992, -1.0354631 , -0.23810607, 1.08724589],
[-0.11256591, -0.02697348, 0.39677566, -0.55130505, -0.45595382],
[-1.26234739, 0.03167078, 0.35816044, 0.9080088 , 0.35941596],
[ 0.22818352, 2.20537346, -1.89346651, -0.10286299, 1.19424666],
[ 0.21552557, -0.42393997, 0.35526739, -0.083025 , -2.16638392]])
2，计算矩阵元素的均值：
方法1：
In [14]:arr_demo.mean()
Out[14]: -0.077120925606820614
方法2：
In [15]:np.mean(arr_demo)
Out[15]:-0.077120925606820614
从上面的结果中可以看出，两种实现方式的结果一致。
3，计算数组元素的总和：
计算数组元素总和的方法也有两种：
方法1：
In [16]:arr_demo.sum()
Out[16]:-2.3136277682046185
方法2：
In [17]: np.sum
Out[17]:<function numpy.core.fromnumeric.sum>
In [18]:np.sum(arr_demo)
Out[18]:-2.3136277682046185
4，指定坐标轴的计算
In [19]:arr_demo.mean(axis = 0)
Out[19]:array([-0.1291251 , 0.20515244,-0.58022189, 0.01336857, 0.10522135])
In [20]:arr_demo.mean(axis = 1)
Out[20]:
array([-0.13312371,-0.16436269, -0.15000452, 0.07898172, 0.32629483,
-0.42051119])
In [21]: arr_demo[0].mean()
Out[21]:-0.13312370695281237
In [22]:arr_demo[0]
Out[22]: array([1.21620369, -0.97947606, -1.66260524, 0.14750175, 0.61275732])
从上面的结果可以看出，当坐标轴参数为0的时候，计算每个子行向量坐标点的均值，而当坐标轴的参数为1的时候，计算的是每个子列向量的坐标点均值。求和计算也有相应的规律：
In [23]:arr_demo[0].sum()
Out[23]:-0.66561853476406185
In [24]:arr_demo.sum(0)
Out[24]:array([-0.77475061, 1.23091465,-3.48133135, 0.08021144, 0.6313281 ])
In [25]:arr_demo.sum(1)
Out[25]:
array([-0.66561853,-0.82181345, -0.7500226 , 0.39490859, 1.63147415,
-2.10255593])
5，元素的最大值、最小值求解
In [26]:arr_demo.max()
Out[26]:2.2053734601105446
In [27]:arr_demo.min()
Out[27]:-2.1663839179810891
In [28]:np.max(arr_demo)
Out[28]:2.2053734601105446
In [29]:np.min(arr_demo)
Out[29]:-2.1663839179810891
此外，还有求标准差、方差、所有元素的累计和、所有元素的累计积等方法，不过，这些功能的数学理论不是很熟悉，暂且不做这方面的小结。
