numpy array 基础操作
摘要：
1.简介 
2.numpy 数组的创建 
3.numpy 数组的属性 
4.numpy 数组的切片 
5.numpy 数组的形状和维度 
6.numpy 数组的转置 
7.numpy 数组的拼接 
8.numpy 数组的运算 
9.numpy 数组与 Python 列表的转换 
10.总结
正文：
umpy 是一个 Python 科学计算库，它提供了一个强大的多维数组对象，称为 numpy 数组。numpy 数组在数据处理、科学计算和数据分析等领域有着广泛的应用。本篇文章将介绍 numpy 数组的基础操作。
1.简介
umpy 数组是基于 Python 列表的高效数据结构。与 Python 列表相比，numpy 数组在处理数值数据时具有更高的性能。numpy 数组的主要优点包括：
- 具有固定的大小和形状，便于操作 
- 支持高效的数值计算，如矩阵乘法、向量加法等 
- 自动处理数据类型，如自动将整数转换为浮点数
2.numpy 数组的创建
umpy 数组可以通过以下方式创建：
- 使用 numpy 的 array() 函数创建，例如：`import numpy as np, np.array([1, 2, 3])` 
- 使用 numpy 的 fromfunction() 函数创建，例如：`import numpy as np, np.fromfunction(lambda x: x**2, (3,))` 
- 使用 numpy 的 fromiter() 函数创建，例如：`import numpy as np, np.fromiter((i**2 for i in range(3)), dtype=int)`
3.numpy 数组的属性
umpy 数组具有以下属性：
- shape：数组的形状 
- size：数组的大小 
- dtype：数组的数据类型 
-
ndim：数组的维度 
- itemsize：数组每个元素的字节数
4.numpy 数组的切片
umpy 数组可以使用切片操作进行子数组的提取。例如：
``` 
import numpy as np 
a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) 
b = a[1:3, :]  # 提取第 2 行和第 3 行，所有列 
```
5.numpy 数组的形状和维度
umpy 数组的形状表示数组中元素的组织方式。例如，一个 3x3 的矩阵具有形状 (3, 3)。numpy 数组可以有一个或多个维度。例如，一个一维数组的维度为 1，一个二维数组的维度为 2。
6.numpy 数组的转置
umpy 数组可以通过 transpose() 方法进行转置。例如：
``` 
import numpy as np 
a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) 
b = a.transpose()  # 转置后为 [[1, 4, 7], [2, 5, 8], [3, 6, 9]] 
```
7.numpy 数组的拼接
umpy 数组可以使用 concatenate() 方法进行拼接。例如：
``` 
import numpy as np 
a = np.array([[1, 2], [3, 4]]) 
b = np.array([[5, 6], [7, 8]]) 
c = np.concatenate((a, b))  # 拼接后为 [[1, 2], [3, 4], [5, 6], [7, 8]] 
```
8.numpy 数组的运算
umpy 数组支持各种数学运算，如加法、减法、乘法、除法等。例如：
``` 
import numpy as np 
a = np.array([1, 2, 3]) 
b = np.array([4, 5, 6]) 
numpy库入门教程基础知识总结
c = a + b  # 结果为 [5, 7, 9] 
```
此外，numpy 数组还支持广播（broadcasting）操作，可以在不同形状的数组之间进行运算。
9.numpy 数组与 Python 列表的转换
umpy 数组可以通过 tolist() 方法转换为 Python 列表，反之亦然。