任务背景：有一个包含不同地区、不同月份的销售额数据的二维数组。
使用 NumPy 提供的函数max/min/ptp/median以及argmax/argmin对这些数据进行统计分析，帮助卖家更好地理解销售趋势。
任务要求：
1、生成一个 4x6 的随机销售数据数组，表示 4 个地区在过去 6 个月的销售额（随机数值可以在 100 到 1000 之间）。
import numpy as np
arr = np.random.randint(10, 1000, (4, 6))
2、分别计算每个地区的最高销售额、最低销售额以及销售额的差值（峰值到峰值范围）。
3、找出每个地区销售额的中位数，并指出在哪个月份达到了最大值和最小值。
4、计算哪个地区在某个月份的销售额最高和最低，每个月份哪个地区的销售额最高和最低。
import numpy as np
# 1. 生成 4x6 的随机销售额数据数组
arr4 = np.random.randint(100, 1000, (4, 6))
print("销售额数据数组：")
print(arr4)
# 2. 计算每个地区的最高销售额（按行求最大值）
region_max = np.max(arr4, axis=1)
# 计算每个地区的最低销售额（按行求最小值）
region_min = np.min(arr4, axis=1)
# 计算每个地区销售额的差值（最大值减最小值）
region_ptp = np.ptp(arr4, axis=1)
print("\n每个地区的最高销售额：")
print(region_max)
print("每个地区的最低销售额：")
print(region_min)
print("每个地区销售额的差值：")
print(region_ptp)
# 3. 计算每个地区销售额的中位数（按行求中位数）
region_median = np.median(arr4, axis=1)
# 找出每个地区销售额最大值所在的月份（列索引）
max_month = np.argmax(arr4, axis=1)
# 找出每个地区销售额最小值所在的月份（列索引）
min_month = np.argmin(arr4, axis=1)
print("\n每个地区销售额的中位数：")
print(region_median)
print("每个地区销售额最大值所在月份：")
print(max_month)
print("每个地区销售额最小值所在月份：")
print(min_month)
# 4. 找出哪个地区在某个月份（这里以第 0 个月份为例）的销售额最高
region_in_month_max = np.argmax(arr4[:, 0])
# 找出哪个地区在第 0 个月份的销售额最低
region_in_month_min = np.argmin(arr4[:, 0])
print(f"\n第 0 个月份销售额最高的地区：{region_in_month_max}")
print(f"第 0 个月份销售额最低的地区：{region_in_month_min}")
# 找出每个月份销售额最高的地区
month_region_max = np.argmax(arr4, axis=0)
# 找出每个月份销售额最低的地区
month_region_min = np.argmin(arr4, axis=0)
print("每个月份销售额最高的地区：")
print(month_region_max)
print("每个月份销售额最低的地区：")
print(month_region_min)
任务背景：背景：使用 NumPy 提供的sort()、view()和copy()函数对销售数据进行基本操作。
任务要求：
1、使用 NumPy 创建一个 4x3 的随机整数数组，模拟一个季度内四个地区每个月的销售额（单位：千元），数值范围在 10 到 100 之间，并打印输出。
import numpy as np
arr = np.random.randint(10, 100, (4, 3), dtype=np.int64)
2、使用 numpy.sort() 方法对销售数据进行排序：
-
按行排序，打印每个地区的销售额从低到高的排序结果。
-
按列排序，打印每个月的销售额从低到高的排序结果。
3、使用 view() 方法创建销售数据数组的视图，并将视图中第2个地区第3个月的销售额更改为 999。打印视图和原数组，观察修改的影响。
4、使用 copy() 方法创建销售数据数组的副本，打印副本并将副本中第2个地区第3个月的销售额更改为 888。打印视图和原数组，观察修改的影响。
import numpy as np
# 1. 创建 4x3 的随机整数数组
arr5 = np.random.randint(10, 100, (4, 3), dtype=np.int64)
print("原始数组：")
print(arr5)
# 2. 按行排序（每个地区的销售额从低到高）
row_sorted = np.sort(arr5, axis=1)
print("\n按行排序后的数组（每个地区销售额从低到高）：")
print(row_sorted)
# 按列排序（每个月的销售额从低到高）
col_sorted = np.sort(arr5, axis=0)
print("按列排序后的数组（每个月销售额从低到高）：")
print(col_sorted)
# 3. 使用 view() 创建视图并修改
arr5_view = arr5.view()
arr5_view[1, 2] = 999
# 修改视图中第2个地区（索引1）第3个月（索引2）的销售额为999
print("\n视图：")
print(arr5_view)
print("原数组（视图修改会影响原数组）：")
print(arr5)
# 4. 使用 copy() 创建副本并修改
arr5_copy = arr5.copy()
arr5_copy[1, 2] = 888
# 修改副本中第2个地区（索引1）第3个月（索引2）的销售额为888
print("\n副本：")
print(arr5_copy)
print("原数组（副本修改不影响原数组）：")
print(arr5)
