科学计算包Numpy（v1） 编译运行代码： 创建数组 数组尺寸 数组运算 数组切片 数组连接 数据存取 数组形态变换 数组排序与搜索 矩阵与线性代数运算

Numpy是Python中一个强大的科学计算库，主要用于处理大型多维数组和矩阵，以及执行各种数学运算。下面是Numpy v1中一些核心功能的简介：

1. **创建数组**：Numpy的核心数据结构是ndarray（n-dimensional array），通过`numpy.array()`或`numpy.zeros()`、`numpy.ones()`、`numpy.empty()`等函数可以创建不同形状和类型的数据。

2. **数组尺寸**：你可以使用`.shape`属性获取数组的维度， `.size`属性得到元素数量，而`.dtype`属性显示数组的元素类型。

3. **数组运算**：Numpy提供了大量的数学函数对数组进行元素级操作，如加减乘除、指数对数等。例如，`a + b`, `a * 2`, `np.sin(a)`等。

4. **数组切片**：使用索引和切片语法，可以访问数组的部分元素或子数组。如`arr[0:3, ::2]`获取数组的一部分。

5. **数组连接**：`numpy.concatenate()`, `numpy.vstack()`, `numpy.hstack()`等函数用于合并数组或沿着某轴堆叠数组。

6. **数据存取**：可以使用索引来存取单个元素，如`arr[i, j]`。对于大规模数组，可以使用切片操作。

7. **数组形态变换**：包括重塑(`reshape()`), 切块(`split()`, `hstack()`, `vstack()`)、堆叠(`stack()`)等操作，改变数组的形状。

8. **数组排序与搜索**：`numpy.sort()`用于排序数组，`numpy.argmax()`, `numpy.argmin()`用于找到最大值和最小值的索引，`numpy.where()`则进行条件搜索。

9. **矩阵与线性代数运算**：Numpy提供了`numpy.linalg`模块，包含许多矩阵操作，如求逆(`inv()`)、行列式(`det()`)、秩(`rank()`)、解线性方程组等。例如，`A = np.random.rand(3, 3)`后，可以做`A.dot(B)`矩阵乘法。