import numpy
a = [1, 2, 3, 4]
b = [5, 6, 7, 8]
a_array = numpy.array(a)
b_array = numpy.array(b)
c_array = a_array + b_array
d_array = a_array - b_array
print c_array
print d_array
扩展资料：
算术运算结果的数字类型与运算数的类型有关。进行除法（/）运算时，不管商为整数还是浮点数，运算结果始终为浮点数。要得到整型的商，需要用双斜杠（//）做整除，且除数必须是整型的。对于其他的运算，只要任一运算数为浮点数，运算结果就是浮点数。Python算术运算的基础使用方法如下所示。
num_int = 4
num_float = 4.0
print('整数与浮点数的和为：', num_int + num_float)
#Out[1]: 整数与浮点数的和为：8.0
print('整数与浮点数的差为：', num_int - num_float)
#Out[2]: 整数与浮点数的差为： 0.0
print('整数与浮点数的积为：', num_int * num_float)
#Out[3]: 整数与浮点数的积为：16.0
print('浮点数与整数的商为：', num_float / num_int)
#Out[4]: 浮点数与整数的商为：1.0
print('浮点数对整数取模结果为：', num_float % num_int)
#Out[5]: 浮点数对整数取模结果为： 0.0
print('浮点数的整数次幂为：', num_float ** num_int)
#Out[6]: 浮点数的整数次幂为：256.0
>>>a =[[1,2,3,6],[2,6,3,9],[3,7,9,0]]>>>b =[[5,7,3,1],[5,7,2,4],[12,34,56,98]]
>>>c = [[a[i][j] -b[i][j] for j in range(4)] for i in range(3)]
>>>c
[[-4, -5, 0, 5], [-3, -1, 1, 5], [-9, -27, -47, -98]]
numpy计算平均数 标准差 相关系数等基本知识
NumPy 是python 语言的一个第三方库，其支持大量高维度数组与矩阵运算。此外，NumPy 也针对数组运算提供大量的数学函数。
#导入Numpy库，并命名为np
import numpy as np
#创建一维数组
a = np.array([1, 2, 3])
# NumPy可以很方便地创建连续数组，比如我使用arange或linspace函数进行创建：
b = np.arange(1,5,1) // 返回一个有终点和起点、固定步长的排列，如起点是1，终点是4，步长为1，即【1,2,3,4】，
c = np.linspace(1,9,5) 返回一个有终点和起点、元素个数的的排列，如起点是1，终点是9，元素个数为5,即【1,3,5,7,9】
#通过NumPy可以自由地创建等差数组，同时也可以进行加、减、乘、除、求n次方和取余数。
求和：np.sum(a)
求取平均值：np.mean(a)
求取中位数：np.median(a)
求取加权平均数：np.average(a)
求取方差：var() np.var(a)
求取最小值：np.amin(a)
求取最大值：np.amax(a)
将两个数相加：np.add(x1, x2)
将两个数相减：np.subtract(x1, x2)
将两个数相乘：np.multiply(x1, x2)
将两个数相除：np.divide(x1, x2)
立方：np.power(x1, x2)
除余：np.remainder(x1, x2)
相关系数计算：np.corrcoef(a1, a2) (a1、a2都是矩阵)
