NumPy中的ndarray是科学计算核心，提供创建（如np.array、zeros、ones、arange、linspace）、形状操作（reshape、flatten、transpose）、数学统计（sum、mean、argmax、where）及数组拼接与广播等高效函数，掌握后可显著提升数据处理效率。
np.array()：将列表、元组等转换为 ndarray。
- 例如：
np.array([1, 2, 3])创建一维数组 - 支持指定 dtype：
np.array([1.1, 2.2], dtype=int)强制转为整型
np.zeros() 和 np.ones()：创建全0或全1数组。
- 例如：
np.zeros((2, 3))创建 2×3 的零矩阵 - 可以指定类型：
np.ones(5, dtype=bool)创建布尔型全1数组
np.arange()：类似 Python 的 range，但返回数组。
- 例如：
np.arange(0, 10, 2)生成 [0, 2, 4, 6, 8]
np.linspace()：在指定区间内生成等间距数值。
立即学习“Python免费学习笔记（深入）”；
- 例如：
np.linspace(0, 1, 5)生成 [0, 0.25, 0.5, 0.75, 1.0]
ndarray.reshape()：改变数组形状，不修改数据。
- 例如：
np.arange(6).reshape(2, 3)变成 2 行 3 列 - 使用 -1 让 NumPy 自动推断维度：
arr.reshape(-1, 2)
ndarray.flatten()：返回展平的一维副本。
- 例如：
arr = np.array([[1,2],[3,4]]); arr.flatten()得到 [1,2,3,4]
np.transpose() 或 .T：转置数组。
- 例如：
arr.T对二维数组行列互换
np.sum(), np.mean(), np.std(), np.min(), np.max()：基本统计运算。
- 可指定轴：
np.sum(arr, axis=0)沿列方向求和（按行合并） - 例如：二维数组中 axis=0 表示“跨行”，即对每一列操作
np.argmax(), np.argmin()：返回最大/最小值的索引。
- 例如：
np.argmax([3,1,4])返回 2（索引位置） - 配合 axis 使用可找每行或每列最值位置
np.where()：根据条件返回索引或选择元素。
- 例如：
np.where(arr > 5, arr, 0)大于5保留，否则设为0
np.concatenate()：沿指定轴拼接数组。
- 例如：
np.concatenate((a, b), axis=0)垂直拼接
np.vstack() / np.hstack()：垂直或水平堆叠。
-
np.vstack([a, b])等价于np.concatenate([a,b], axis=0)
广播（Broadcasting）：不同形状数组间自动扩展进行运算。
- 例如：一个 (3,3) 数组可以和一个长度为3的数组相加，NumPy 会自动对行扩展
- 这是实现高效向量化计算的关键机制
