NumPy 教程¶

NumPy 是 Python 科学计算生态的基础库。它以同构多维数组 ndarray 为核心，通过向量化、广播和底层连续内存提供高效数值计算，并为 SciPy、Pandas、Matplotlib 和多数机器学习框架提供数据接口。

学习路线¶

建议先掌握数组的创建、类型、形状和索引，再学习广播、通用函数、聚合与线性代数，最后处理文件读写和可视化。示例统一使用：

import numpy as np

教程目录¶

使用约定¶

axis=0 表示沿第 0 维聚合，即二维数组中逐列计算；axis=1 表示逐行计算。
NumPy 数组通常是定长、同类型数据。混合 Python 对象会产生 object dtype，并失去多数性能优势。
示例以 NumPy 2.x 为基准，只依赖公开 API；涉及随机数时优先使用 np.random.default_rng()。
大数组操作要关注 dtype、临时数组、内存布局以及结果是副本还是视图。

最小示例¶

import numpy as np

scores = np.array([[82, 91, 76], [95, 88, 90]], dtype=np.float64)
subject_mean = scores.mean(axis=0)
adjusted = np.clip(scores + np.array([2, 0, 3]), 0, 100)

print(subject_mean)
print(adjusted)

这段代码同时展示了二维数组、指定 dtype、按轴聚合、广播和向量化。实际工程中应固定依赖版本并为形状、dtype、缺失值和边界条件编写测试。