NumPy：Python数值计算的基石，让科学运算快如闪电！
大家好！今天我要和大家分享一个超级强大的Python库 —— NumPy。它是进行科学计算的必备工具，特别是在处理大规模数据时，运算速度比普通Python快得多。不管你是数据分析新手，还是想提升数据处理效率的老手，这篇文章都能帮你快速掌握NumPy的精髓。
1. 初识NumPy数组
首先，让我们来认识NumPy的核心数据结构 —— ndarray（多维数组）。它比Python的列表更高效，运算更快。
import numpy as np
# 创建一维数组
arr1 = np.array([1, 2, 3, 4, 5])
print("一维数组：", arr1)
# 创建二维数组
arr2 = np.array([[1, 2, 3], [4, 5, 6]])
print("\n二维数组：\n", arr2)
# 查看数组维度
print("\n数组维度：", arr2.shape)
2. 快速创建特殊数组
NumPy提供了多种便捷的数组创建方法，让我们告别手动输入的烦恼。
# 创建零数组
zeros_arr = np.zeros((3, 3))
print("零数组：\n", zeros_arr)
# 创建单位数组
ones_arr = np.ones((2, 4))
print("\n单位数组：\n", ones_arr)
# 创建等差数列
range_arr = np.arange(0, 10, 2) # 从0到10，步长为2
print("\n等差数列：", range_arr)
# 创建随机数组
random_arr = np.random.rand(3, 3) # 3x3的随机数组
print("\n随机数组：\n", random_arr)
小贴士：使用
np.random.seed()可以设置随机数种子，确保每次运行得到相同的随机结果，这在调试代码时特别有用！
3. 强大的数组运算
NumPy的数组运算不仅简单，而且超级快！来看看它有多厉害：
# 数组的基本运算
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
print("数组相加：", arr1 + arr2)
print("数组相乘：", arr1 * arr2)
print("数组平方：", arr1 ** 2)
# 统计运算
data = np.array([[1, 2, 3], [4, 5, 6]])
print("\n平均值：", np.mean(data))
print("最大值：", np.max(data))
print("总和：", np.sum(data))
4. 数组切片和索引
NumPy的切片操作比普通Python列表更灵活强大：
# 创建示例数组
arr = np.array([[1, 2, 3, 4],
[5, 6, 7, 8],
[9, 10, 11, 12]])
# 基础切片
print("第二行：", arr[1])
print("\n前两行：\n", arr[:2])
# 条件索引
print("\n大于5的元素：", arr[arr > 5])
# 花式索引
indices = [0, 2]
print("\n第1和第3行：\n", arr[indices])
5. 实用的数组变形
数组形状的改变在数据处理中经常用到，NumPy让这个过程变得超简单：
# 创建测试数组
arr = np.arange(12)
# 改变形状
reshaped = arr.reshape(3, 4)
print("重塑后的数组：\n", reshaped)
# 转置
transposed = reshaped.T
print("\n转置后的数组：\n", transposed)
# 展平数组
flattened = reshaped.flatten()
print("\n展平后的数组：", flattened)
小贴士：使用reshape时，新形状的元素总数必须与原数组相同，否则会报错！
练习小任务
试试看能不能完成这些小挑战：
创建一个5x5的随机整数数组（范围0-100） 计算数组每一行的平均值 找出所有大于平均值的元素并将它们替换为999
今天的Python学习之旅就到这里啦！记得动手敲代码。NumPy的魅力远不止于此，它还有很多强大的功能等着你去发现。祝大家学习愉快，Python学习节节高！
