假设，我们想从中提取第二列（索引1）的所有元素。在这里，我们肉眼可以看出，第二列由两个元素组成：5 和 1。为此，我们可以执行以下操作：
my_array_column_2 = my_array[:, 1] print my_array_column_2注意，我们使用了冒号(:)而不是行号，而对于列号，我们使用了值1，最终输出是：[5, 1]。
我们可以类似地从多维NumPy数组中提取一行。现在，让我们看看NumPy在多个阵列上执行计算时提供的强大功能。
NumPy中的数组操作使用NumPy，你可以轻松地在数组上执行数学运算。例如，你可以添加NumPy数组，你可以减去它们，你可以将它们相乘，甚至可以将它们分开。 以下是一些例子：
import numpy as np a = np.array([[1.0, 2.0], [3.0, 4.0]]) b = np.array([[5.0, 6.0], [7.0, 8.0]]) sum = a + b difference = a - b product = a * b quotient = a / b print "Sum = \n", sum print "Difference = \n", difference print "Product = \n", product print "Quotient = \n", quotient # The output will be as follows: Sum = [[ 6. 8.] [10. 12.]] Difference = [[-4. -4.] [-4. -4.]] Product = [[ 5. 12.] [21. 32.]] Quotient = [[0.2 0.33333333] [0.42857143 0.5 ]]如你所见，乘法运算符执行逐元素乘法而不是矩阵乘法。 要执行矩阵乘法，你可以执行以下操作：
matrix_product = a.dot(b) print "Matrix Product = ", matrix_product输出将是：
[[19. 22.] [43. 50.]] 总结如你所见，NumPy在其提供的库函数方面非常强大。你可以使用NumPy公开的优秀的API在单行代码中执行大型计算。这使它成为各种数值计算的优雅工具。如果你希望自己成为一名数学家或数据科学家，你一定要考虑掌握它。在熟练掌握NumPy之前，你需要了解Python。
你可以在 Hackr.io 上找到编程社区推荐的最佳Python 教程，愿上帝保佑你！