NumPy：高效的数据处理工具

"NumPy是Python中用于高效处理大型多维数组和矩阵的库，它弥补了Python内置数据结构在数值计算上的不足。NumPy的核心数据结构是ndarray（N-dimensional array object），它是一个能够存储单一数据类型的多维数组。与Python的list不同，ndarray内的元素是连续存储的，这提供了更好的内存效率和计算性能。 NumPy的另一个关键特性是ufunc（universal function object），这是一种能够对数组进行元素级操作的函数。ufunc允许对整个数组执行数学运算，而不仅仅是单个元素。 要使用NumPy，通常会导入库并将其别名为np，如`import numpy as np`。创建数组可以通过`numpy.array()`函数，传入Python的序列对象，例如列表、元组等。创建的数组的维度和形状可以通过`.shape`属性查看，如`array.shape`返回一个元组，表示数组的轴长度。 数组的形状可以被修改，但需要注意这并不改变数据本身，只是改变轴的长度。使用负数作为轴长度，如`-1`，系统会自动计算该轴的长度以保持元素总数不变。 数组的转置操作是通过`.transpose()`或`.T`属性完成的，它会返回一个新的数组，轴的顺序颠倒。而单纯修改shape并不会进行转置。 数组的元素类型可以通过`.dtype`属性查看，创建数组时也可以通过`dtype`参数指定类型。例如，`numpy.array([...], dtype=float)`将创建浮点型数组。 此外，`numpy.reshape()`方法可以用于创建具有新形状的新数组，但不会改变原始数组的形状。两个具有相同数据的数组之间共享内存，修改其中一个会影响到另一个。 NumPy是Python科学计算的基础，它的高效数组操作和丰富的数学函数使得处理大量数据变得简单且快速。"