今天我要和大家聊一个超级实用的Python库 - NumPy。作为数据处理和科学计算的基石，NumPy可以帮我们轻松处理大量数据。不知道大家有没有被Python处理数组时的慢速度困扰过？别担心，NumPy就是来解决这个问题的！

初识NumPy

我们需要安装并导入NumPy：

1# 安装NumPy

2# pip install numpy

3

4import numpy as np  # 约定俗成的导入方式

创建NumPy数组

NumPy的核心是它的多维数组对象（ndarray）。来看看如何创建数组：

1# 从列表创建数组

2arr1 = np.array([1， 2， 3， 4， 5])

3print(arr1)  # [1 2 3 4 5]

4

5# 创建特殊数组

6zeros = np.zeros(5)  # 创建5个元素都是0的数组

7ones = np.ones((2， 3))  # 创建2行3列的全1数组

8random_arr = np.random.rand(3， 3)  # 创建3x3的随机数数组

小贴士：np.zeros和np.ones都是创建数组的快捷方式，比手动输入要方便得多！

数组运算

NumPy的强大之处在于它的矢量化运算，看看这些神奇的操作：

1# 数组基础运算

2arr = np.array([1， 2， 3， 4])

3print(arr * 2)  # [2 4 6 8]

4print(arr + 10)  # [11 12 13 14]

5

6# 数组之间的运算

7arr2 = np.array([5， 6， 7， 8])

8print(arr + arr2)  # [6 8 10 12]

9print(arr * arr2)  # [5 12 21 32]

注意事项：这些运算都是元素级的，比普通Python循环快很多倍！

数组切片和索引

NumPy的索引操作和Python列表类似，但更加强大：

1arr = np.array([[1， 2， 3]，

2                [4， 5， 6]，

3                [7， 8， 9]])

4

5print(arr[0])  # 第一行 [1 2 3]

6print(arr[：， 1])  # 第二列 [2 5 8]

7print(arr[1：， 1：])  # 子数组 [[5 6]

8                    #        [8 9]]

数组变形和组合

来看看如何改变数组的形状：

1arr = np.array([1， 2， 3， 4， 5， 6])

2reshaped = arr.reshape(2， 3)  # 变成2行3列

3print(reshaped)

4

5# 数组拼接

6arr1 = np.array([1， 2， 3])

7arr2 = np.array([4， 5， 6])

8combined = np.concatenate([arr1， arr2])

9print(combined)  # [1 2 3 4 5 6]

实用函数

NumPy提供了大量实用的数学函数：

1arr = np.array([1， 2， 3， 4， 5])

2print(np.sum(arr))  # 求和：15

3print(np.mean(arr))  # 平均值：3.0

4print(np.max(arr))  # 最大值：5

5print(np.min(arr))  # 最小值：1

小练习：

创建一个5x5的随机数数组，计算每行的平均值

将一个一维数组重塑成3x4的数组（提示：需要确保元素个数正确）

小贴士：使用NumPy时要注意数据类型，它比Python的列表更严格，混合类型可能会自动转换！

总结

今天我们学习了NumPy的基础知识：

创建数组的各种方法

数组的基本运算

切片和索引操作

数组形状的改变和组合

常用的数学函数

小伙伴们，今天的Python学习之旅就到这里啦！记得动手敲代码，有问题随时在评论区问我哦。祝大家学习愉快，Python学习节节高！‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌