numpy 手册
NumPy 是一个优秀的 Python 库，提供了高效的多维数组操作功能，并包含了大量的数学、逻辑运算以及常用的数据处理函数。本文将以手册的形式介绍 NumPy 的主要特性和用法。
一、安装 NumPy
安装 NumPy 可以使用 pip 命令，在终端或命令行中执行以下命令：
```
pip install numpy
```
安装完成后，即可导入 NumPy 模块开始使用。
二、数据类型
NumPy 中的核心数据结构是 ndarray（N-dimensional Array），它是一个多维数组对象。ndar
ray 对象具有以下重要特点：
1. 元素类型必须相同，支持的数据类型包括整型、浮点型、复数型等。
2. 具备快速的向量化操作，比传统的循环方式更高效。
NumPy 提供了多种数据类型，常见的数据类型有：
- int：8-bit、16-bit、32-bit、64-bit 整型
- uint：无符号整型
- float：32-bit、64-bit 浮点型
numpy库不具有的功能有
- complex：64-bit、128-bit 复数型
- bool：布尔型
dtype 属性可以用来指定数组的元素类型，例如：
``` python
import numpy as np
arr = np.array([1, 2, 3], dtype=np.float64)
```
三、ndarray 对象的属性
ndarray 对象拥有多个有用的属性，下面介绍其中几个常用的属性：
1. shape：返回一个元组，表示数组的维度。
2. ndim：返回数组的维度数量。
3. size：返回数组中元素的总数。
4. dtype：返回数组元素的数据类型。
5. itemsize：返回数组中每个元素的字节大小。
四、创建数组
可以通过多种方式来创建 ndarray 对象，以下是常见的创建数组的方法：
1. 使用 `array` 函数从列表或元组创建数组：
``` python
arr1 = np.array([1, 2, 3])
arr2 = np.array((4, 5, 6))
```
2. 使用 `arange` 函数创建由指定范围内的数字组成的数组：
``` python
arr3 = np.arange(10)  # 创建 0-9 的数组
```
3. 使用 `linspace` 函数创建指定元素个数的等间隔数组：
``` python
arr4 = np.linspace(0, 1, 5)  # 创建包含 5 个元素的 [0,1] 范围内的等间隔数组
```
4. 使用 `zeros`、`ones`、`empty` 函数创建指定形状的数组：
``` python
arr5 = np.zeros((2, 3))  # 创建一个 2x3 的全零数组
```
五、数组操作
NumPy 提供了一系列用于操作数组的函数，包括数组的索引、切片、形状变换、运算等。
1. 索引和切片
``` python
arr = np.array([1, 2, 3, 4, 5])
print(arr[0])  # 输出第一个元素
print(arr[1:4])  # 输出第二到第四个元素
```
2. 形状变换
``` python
arr = np.arange(8)
shape(2, 4))  # 转为 2x4 的数组
shape(4, -1))  # 自动计算第二个轴维度，生成 4x2 的数组
```
3. 运算
NumPy 支持多种数学运算和逻辑运算：
``` python
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
print(a + b)  # 数组对应元素相加
print(np.dot(a, b))  # 数组点积
print(np.sin(a))  # 对数组中的每个元素求正弦值
```
六、常用函数
NumPy 提供了大量的数学函数和统计函数，以下列举几个常用的函数：