【基础】NumPy简介与安装

# 2.1 NumPy数组

NumPy数组是NumPy库的核心数据结构，它是一个多维同质数据集合，元素类型相同。NumPy数组提供了高效的内存管理和快速的数据操作，使其成为科学计算和数据分析的理想选择。

### 2.1.1 创建和初始化数组

创建NumPy数组有多种方法：

- `np.array(object)`：从Python对象（如列表、元组）创建数组。
- `np.zeros(shape, dtype)`：创建指定形状和数据类型的全零数组。
- `np.ones(shape, dtype)`：创建指定形状和数据类型的全一数组。
- `np.full(shape, fill_value, dtype)`：创建指定形状和填充值的数组。
- `np.arange(start, stop, step, dtype)`：创建指定范围和步长的数组。

# 2. NumPy基础知识

### 2.1 NumPy数组

#### 2.1.1 创建和初始化数组

NumPy数组是NumPy库中用于存储和操作多维数据的核心数据结构。创建NumPy数组有以下几种方法：

- **使用`np.array()`函数：**这是创建数组最常用的方法，它将给定的Python序列（如列表、元组）转换为NumPy数组。

import numpy as np

# 创建一维数组
arr = np.array([1, 2, 3, 4, 5])

# 创建二维数组
arr = np.array([[1, 2, 3], [4, 5, 6]])

- **使用`np.zeros()`和`np.ones()`函数：**这些函数创建指定形状和数据类型的数组，其中所有元素分别初始化为0或1。

# 创建一个5x5的全是0的数组
arr = np.zeros((5, 5))

# 创建一个3x3的全是1的数组
arr = np.ones((3, 3))

- **使用`np.full()`函数：**此函数创建指定形状和数据类型的数组，其中所有元素初始化为给定的值。

# 创建一个4x4的全是9的数组
arr = np.full((4, 4), 9)

- **使用`np.arange()`和`np.linspace()`函数：**这些函数创建一维数组，其中元素按等差数列或等距数列排列。

# 创建一个从0到9（不包括9）的数组，步长为2
arr = np.arange(0, 9, 2)

# 创建一个从0到10（包括10）的数组，步长为1
arr = np.linspace(0, 10, 11)

#### 2.1.2 数组的属性和操作

NumPy数组具有以下属性和操作：

- **形状（shape）：**数组的维度和每个维度的大小。
- **数据类型（dtype）：**数组中元素的数据类型。
- **大小（size）：**数组中元素的总数。
- **维度（ndim）：**数组的维度数。
- **平坦化（flatten）：**将多维数组转换为一维数组。
- **转置（transpose）：**交换数组的维度。
- **复制（copy）：**创建数组的一个副本。
- **连接（concatenate）：**将多个数组连接在一起。

### 2.2 NumPy数据类型

NumPy提供了多种数据类型来表示不同类型的数据，包括：

#### 2.2.1 基本数据类型

- 整数类型：`int8`、`int16`、`int32`、`int64`
- 浮点类型：`float16`、`float32`、`float64`
- 布尔类型：`bool`
- 字符串类型：`str`、`bytes`

#### 2.2.2 自定义数据类型

除了基本数据类型外，NumPy还允许用户创建自定义数据类型。自定义数据类型可以包含多个字段，每个字段具有自己的数据类型。

### 2.3 NumPy广播和通用函数

#### 2.3.1 广播机制

广播机制允许对不同形状的数组进行操作，就像它们具有相同形状一样。当数组形状不匹配时，NumPy会将较小的数组扩展到较大数组的形状，以便执行逐元素操作。

#### 2.3.2 通用函数

NumPy提供了一组通用函数，用于对数组执行逐元素操作。这些函数包括数学运算（如加法、减法、乘法）、统计函数（如求和、求平均值）、逻辑函数（如比较、布尔运算）等。

# 3.1 数组索引和切片

#### 3.1.1 一维数组的索引和切片

一维数组的索引和切片与Python列表非常相似。可以使用整数索引来访问单个元素，也可以使用切片来访问元素的子集。

**整数索引**

要访问一维数组中的单个元素，可以使用整数索引。索引从0开始，表示数组中的第一