🧮 NumPy：Python 科学计算基石
NumPy（Numerical Python）是用于科 学计算的基础库，提供高性能的多维数组对象（ndarray），并支持大量的数学、逻辑、随机、矩阵运算等功能 ([numpy.org][1])。
优势：
- 数组存储连续内存，访问速度相比 Python 列表快数十倍 。
- 采用 C/C++ 编写关键计算核心，性能优异 。
🔢 1. 创建 ndarray 数组
导入 numpy 作为 np
数组 = np.array([1, 2, 3, 4])
打印(数组, 数组.shape)
📏 2. 创建等差/线性空间数组
均匀 = np.arange(0, 10, 2) # [0 2 4 6 8]
线性 = np.linspace(0, 1, 5) # [0. 0.25 0.5 0.75 1. ]
➕ 3. 向量化操作 —— 快速数学计算
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
打印(a + b, a * b, a ** 2)
📐 4. 通用函数（ufuncs）
支持各种数学函数，自动对数组逐元素 执行。
x = np.linspace(-np.pi, np.pi, 5)
打印(np.sin(x), np.cos(x))
🧱 5. 多维数组与矩阵运算
m = np.array([[1,2],[3,4]])
打印(m.transpose(), np.linalg.inv(m))
🎲 6. 随机数生成
从 numpy.random 导入 rand
r = rand(3,3)
打印(r)
🏓 7. 排序与索引
a = np.array([3, 1, 2])
打印(np.sort(a), np.argsort(a))
🔄 8. 广播机制（广播规则）
支持不同形状数组间自动对齐操作：
a = np.array([1,2,3])
b = 10
打印(a + b) # [11,12,13]
🛠️ 9. 高级数组方法
reshape()改变维度transpose()转置concatenate(),stack()拼接mean(), sum(), std()统计快捷函数
🧾 小结
| 功能 | 示例用途 |
|---|---|
| 多维数组 | 高效存储与运算 |
| ufuncs | 向量 + 数学函数 |
| 线性代数 | 求逆、特征值等 |
| 广播机制 | 自动广播计算 |
| 随机数 | 统计、模拟使用 |
🆕 最新资讯
- NumPy 2.0 发布，新增
StringDType, 加强 SIMD 排序、DLPack 互操作等功能 ([blog.csdn.net][2], [runoob.com][3], [ithome.com.tw][4])。
是否需要继续深入 NumPy 的高级功能？点击NumPy 教程 - 菜鸟教程
