NumPy的核心是ndarray，一种高效处理多维数组和矩阵运算的对象，支持统一数据类型以提升性能；可通过np.array()、zeros、ones、arange、linspace等函数创建数组；关键属性包括shape、ndim、dtype和size；支持逐元素数学运算及广播机制，实现不同形状数组间的兼容操作。
NumPy是Python中用于科学计算的核心库，尤其擅长处理大规模的多维数组和矩阵运算。它提供的ndarray对象比Python原生列表更高效，且支持丰富的数学函数操作。
NumPy数组（ndarray）
NumPy的核心是ndarray，即多维数组对象。与Python列表不同，ndarray中的所有元素必须是相同类型，这使得内存使用更紧凑，运算速度更快。
创建一个数组常用numpy.array()函数：
- import numpy as np
- arr = np.array([1, 2, 3]) 创建一维数组
- arr_2d = np.array([[1, 2], [3, 4]]) 创建二维数组
数组属性
ndarray有几个重要属性帮助了解数组结构：
立即学习“Python免费学习笔记（深入）”；
- arr.shape 返回各维度的大小，如(3,)或(2, 2)
- arr.ndim 返回数组的维度数
- arr.dtype 返回元素的数据类型，如int32、float64
- arr.size 返回总元素个数
数组创建与初始化
除了从列表转换，NumPy提供多种便捷方式创建数组：
- np.zeros((2, 3)) 创建2×3的全零数组
- np.ones((1, 4)) 创建1×4的全1数组
- np.arange(0, 10, 2) 生成0到10步长为2的一维数组
- np.linspace(0, 1, 5) 生成0到1之间等距的5个数
- np.random.rand(2, 2) 生成2×2的随机数组（0~1之间）
数组运算与广播机制
NumPy支持数组间直接进行数学运算，操作会逐元素执行：
- a + b 对应元素相加
- a * 2 所有元素乘以2
- np.sin(a) 对每个元素求正弦
当数组形状不同时，NumPy会尝试“广播”较小数组以匹配较大数组的形状，前提是满足广播规则。
基本上就这些核心概念。掌握ndarray的创建、属性查看和基本运算是使用NumPy的第一步，后续可进一步学习索引切片、数组合并与分割、线性代数等功能。
