【基础】探索NumPy：多维数组与基本操作

# 2.1 数组的创建和初始化

NumPy 数组是存储同类型数据的集合。它们提供了高效的数据处理和操作功能。NumPy 提供了多种创建和初始化数组的方法。

### 2.1.1 使用内置函数创建数组

NumPy 提供了几个内置函数来创建数组，包括：

- `np.array()`：从列表、元组或其他可迭代对象创建数组。
- `np.zeros()`：创建指定形状的数组，所有元素都初始化为 0。
- `np.ones()`：创建指定形状的数组，所有元素都初始化为 1。
- `np.full()`：创建指定形状的数组，所有元素都初始化为给定的值。

例如，创建一个包含数字 1 到 10 的数组：

import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])

# 2. NumPy数组基础

NumPy数组是NumPy库的核心数据结构，它是一种多维数组，可以存储各种类型的数据。本章节将介绍NumPy数组的创建、初始化、属性和操作。

### 2.1 数组的创建和初始化

#### 2.1.1 使用内置函数创建数组

NumPy提供了多种内置函数来创建数组，包括：

- `np.array()`：将现有数据转换为NumPy数组。
- `np.zeros()`：创建指定形状和数据类型的全零数组。
- `np.ones()`：创建指定形状和数据类型的全一数组。
- `np.empty()`：创建指定形状和数据类型的空数组，不进行初始化。
- `np.arange()`：创建指定范围内的等差数列数组。
- `np.linspace()`：创建指定范围内的等间隔数列数组。

# 创建一个包含[1, 2, 3]的数组
arr = np.array([1, 2, 3])

# 创建一个5行3列的全零数组
zeros_arr = np.zeros((5, 3))

# 创建一个4行4列的全一数组
ones_arr = np.ones((4, 4))

# 创建一个5行3列的空数组
empty_arr = np.empty((5, 3))

# 创建一个范围为[0, 10)的等差数列数组
arange_arr = np.arange(0, 10)

# 创建一个范围为[0, 1]，间隔为0.1的等间隔数列数组
linspace_arr = np.linspace(0, 1, 11)

#### 2.1.2 从现有数据创建数组

NumPy数组也可以从现有数据创建，例如列表、元组和字典。

# 从列表创建数组
list_arr = np.array([[1, 2, 3], [4, 5, 6]])

# 从元组创建数组
tuple_arr = np.array(((1, 2, 3), (4, 5, 6)))

# 从字典创建数组
dict_arr = np.array({
    'a': [1, 2, 3],
    'b': [4, 5, 6]
})

### 2.2 数组的属性和操作

#### 2.2.1 数组的维度、形状和大小

数组的维度是指数组中嵌套数组的层数。数组的形状是一个元组，表示每个维度中的元素数量。数组的大小是数组中元素的总数量。

# 获取数组的维度
print(arr.ndim)  # 输出：1

# 获取数组的形状
print(arr.shape)  # 输出：(3,)

# 获取数组的大小
print(arr.size)  # 输出：3

#### 2.2.2 数组的切片、索引和广播

NumPy提供了多种方法来访问和修改数组中的元素，包括切片、索引和广播。

**切片**

切片允许我们提取数组的一部分。语法为：`arr[start:end:step]`，其中`start`是起始索引，`end`是结束索引（不包括在内），`step`是步长。

# 提取数组中的前两个元素
print(arr[:2])  # 输出：[1, 2]

# 提取数组中的奇数索引元素
print(arr[1::2])  # 输出：[2]

# 提取数组中的所有元素，步长为2
print(arr[::2])  # 输出：[1, 3]

**索引**

索引允许我们使用整数索引访问数组中的特定元素。语法为：`arr[index]`。

# 获取数组中的第一个元素
print(arr[0])  # 输出：1

# 获取数组中的最后一个元素
print(arr[-1])  # 输出：3

**广播**

广播是一种在不同形状的数组之间执行算术运算的机制。当数组的形状不匹配时，NumPy会自动扩展较小的数组，使其与较大的数组具有相同的形状。

# 广播一个标量与一个数组
scalar = 2
print(scalar + arr)  # 输出：[3, 4, 5]

# 3. NumPy数组操作

### 3.1 算术运算

NumPy支持广泛的算术运算，包括基本算术运算和数组广播。

#### 3.1.1 基本算术运算

NumPy支持以下基本算术运算：

- 加法（+）：将两个数组中的相应元素相加。
- 减法（-）：从第一个数组中减去第二个数组中的相应元素。
- 乘法（*）：将两个数组中的相应元素相乘。
- 除法（/）：将第一个数组中的相应元素除以第二个数组中的相应元素。
- 取余（%）：返回第一个数组中相应元素除以第二个数组中相应元素的余数。
- 幂运算（**）：将第一个数组中的相应元素提升到第二个数组中相应元素的幂。

import numpy as np

# 创建两个数组
arr1 = np.array([1, 2, 3])
arr2 = np.array([