装 NumPy
pip install numpy
创建数组
import numpy as np
a = np.array([1, 2, 3, 4])
b = np.array([[1, 2, 3], [4, 5, 6]]) # 二维
print(a.shape, a.dtype) # (4,) int64
print(b.shape, b.dtype) # (2, 3) int64
常用快捷创建
np.zeros((2, 3)) # 全 0
np.ones((2, 3)) # 全 1
np.arange(0, 10, 2) # [0, 2, 4, 6, 8]
np.linspace(0, 1, 5) # [0, 0.25, 0.5, 0.75, 1]
np.random.randn(3, 3) # 标准正态分布
np.eye(3) # 3x3 单位矩阵
dtype：数据类型
a = np.array([1, 2, 3], dtype=np.float32)
print(a.dtype) # float32
# 转换
b = a.astype(np.int32)
常见 dtype：int32 / int64 / float32 / float64 / bool。深度学习多用 float32。
索引和切片
a = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
a[3] # 3
a[2:5] # [2, 3, 4]
a[::2] # [0, 2, 4, 6, 8]
a[-1] # 9
# 二维
m = np.arange(12).reshape(3, 4)
# [[0 1 2 3]
# [4 5 6 7]
# [8 9 10 11]]
m[1, 2] # 6
m[:, 1] # [1, 5, 9] 第二列
m[1, :] # [4, 5, 6, 7] 第二行
m[1:, 1:3] # 子矩阵
布尔索引（超好用）
a = np.array([1, 2, 3, 4, 5])
mask = a > 3 # array([False, False, False, True, True])
a[mask] # array([4, 5])
a[a > 3] # 一行写法
数学运算（按元素）
a = np.array([1, 2, 3])
b = np.array([10, 20, 30])
a + b # [11 22 33]
a * b # [10 40 90]
a ** 2 # [1 4 9]
np.sqrt(a) # [1. 1.41 1.73]
没有循环，自动按元素运算——这就是 NumPy 的魔力。
聚合
m = np.arange(12).reshape(3, 4)
m.sum() # 66 全局求和
m.sum(axis=0) # [12 15 18 21] 按列求和（沿行方向）
m.sum(axis=1) # [6 22 38] 按行求和（沿列方向）
m.mean()
m.max(axis=1)
m.argmax(axis=1) # 每行最大值的位置
形状变换
a = np.arange(12)
a.reshape(3, 4) # 3x4
a.reshape(2, 2, 3) # 三维
a.reshape(-1, 4) # -1 表示自动算（这里 = 3）
a.T # 转置（仅 2D 有意义）
a.flatten() # 展平成 1D
下一篇讲 NumPy 进阶：广播和向量化。