1. 安装 NumPy
通过 pip 命令在终端中安装 NumPy：
pip install numpy
2. 导入 NumPy
在 python 脚本中导入 NumPy 模块：
import numpy as np
3. 创建和操作数组
NumPy 的核心数据结构是 ndarray，可以创建一维、二维甚至更高维的数组：
# 创建一维数组 arr = np.array([1, 2, 3, 4, 5]) # 创建二维数组 matrix = np.array([[1, 2, 3], [4, 5, 6]])
4. 数组属性和方法
NumPy 数组具有各种属性和方法来操纵和分析数据：
- shape：数组的形状（维度和大小）
- dtype：数组中的元素类型
- reshape：改变数组的形状
- transpose：转置数组
- sum：计算数组元素的总和
- mean：计算数组元素的平均值
5. 数组索引和切片
NumPy 提供了灵活的索引和切片机制，可以轻松地访问和修改数组元素：
# 访问元素 print(arr[2]) # 切片 print(matrix[:, 1:])
6. 基本数学运算
NumPy 支持对数组进行基本数学运算，例如加减乘除：
# 加法 result = arr + 1 # 乘法 product = matrix * 2
7. 数据广播
NumPy 中的数据广播允许在不同形状的数组上执行数学运算，从而简化了处理大型数据集：
# 将标量广播到数组 print(arr + 5) # 广播数组 print(matrix + arr)
8. 文件输入/输出
NumPy 可以通过 np.load 和 np.save 函数轻松地从文件加载和保存数组：
# 从文件中加载数组
data = np.load("data.npy")
# 保存数组到文件
np.save("output.npy", data)
9. 性能优化
NumPy 针对大型数组的性能进行了优化，可以通过使用矢量化操作和 NumPy 特定的函数来进一步提升效率：
- 使用向量化操作代替循环
- 避免不必要的数组复制
- 利用 NumPy 的并行化函数
10. 进阶功能
除了基本操作之外，NumPy 还提供了更高级的功能，例如：
- 线性代数运算
- 傅里叶变换
- 随机数生成
- 图像处理
通过掌握这些核心概念，初学者可以快速入门 NumPy，并在数据处理和分析领域如虎添翼。
