1. NumPy简介

• NumPy 是 Python 科学计算的核心库。
• 提供 ndarray 对象：一种高效的多维数组，支持向量化运算。
• 替代传统 Python 列表的逐元素计算，性能更高。

2. ndarray数组对象

• ndarray 是一个同质多维数组（所有元素类型相同）。
• 常用创建方式：
  • np.array：从列表或嵌套序列创建。
  • np.zeros、np.ones：创建全0/全1数组。
  • np.arange：类似 range，创建等差数组。
• 属性：
  • shape：数组维度大小。
  • dtype：元素数据类型。

3. 数组运算

• 向量化运算：数组之间的加减乘除直接作用于元素，无需显式循环。
• 广播机制：允许不同形状的数组在运算时自动对齐扩展。

4. 索引与切片

• 与 Python 列表类似，但 NumPy 数组切片返回 视图(view)，不会复制数据。
• 支持：
  • 一维、二维、多维索引。
  • 布尔索引（如：arr[arr > 0]）。
  • 花式索引（使用整数数组选择元素）。

5. 通用函数（ufunc）

• 逐元素函数，速度快。
• 示例：
  • np.sqrt：平方根。
  • np.exp：指数。
  • np.maximum：逐元素最大值。

6. 数组运算与统计

• 聚合函数：
  • sum()、mean()、std()、var()。
• 多维数组可以指定轴（axis）进行运算。

7. 布尔逻辑与条件

• 支持逻辑运算：&、|、~。
• np.where(cond, x, y)：根据条件选择元素。

8. 随机数生成

• NumPy 提供 np.random 模块：
  • rand、randn：生成均匀/正态分布。
  • shuffle、permutation：随机打乱。

9. 实际应用场景

• 数值模拟（如蒙特卡洛模拟）。
• 数据清洗与处理。
• 科学计算和机器学习的底层支持。