通过一个 Jupyter Notebook 中的 100 道专项练习，系统提升 NumPy 实操熟练度。前 50 题用于巩固数组创建、计算、索引、形状变换、排序与统计等基础；后 50 题为可选进阶练习，要求你综合运用这些方法解决更复杂的问题。
每道练习都提供可运行的参考代码，并紧跟一个空白单元格供你重新实现或调整答案。内容从常用的 ndarray 操作逐步延伸到缺失值处理、归一化、相关系数、特征值以及图像转数组，适合通过密集练习夯实 Python 数值计算能力。
你将学到什么
- 使用 NumPy 构造函数创建一维、二维和三维数组
- 执行逐元素算术、矩阵运算与常用数学函数计算
- 通过索引、切片、形状变换、拼接与拆分选取和转换数据
- 使用极值、平均值、方差、标准差和百分位数概括数组特征
- 对数组排序、定位数值、处理缺失数据并比较数组元素
- 对数值数据进行归一化，并计算距离、相关系数与特征值
- 组合多种 NumPy 操作，解决小型数组处理问题
- 将图像数据转换为
ndarray并显示重建结果
本课程适合谁
本课程适合希望获得大量 NumPy 动手练习的 Python 学习者，也适合需要加强数组操作基础的数据科学学习者。初学者可以跟随前半部分的参考示例逐步练习，有 NumPy 经验的学习者则可用可选进阶部分检验自己的掌握程度。
前置要求： 建议掌握变量、函数和列表等 Python 基础语法。具备 NumPy 使用经验会有帮助，但不是必需条件。
学习环境： 课程提供基于浏览器的 Ubuntu 22.04 Jupyter Notebook，预装 Python 3.10 和 NumPy 2.0.0。Notebook 内含全部 100 道练习、参考代码和空白练习单元格，无需本地安装。
常见问题
这是一门引导式课程，还是练习题集？
它是一份完整的大型练习 Notebook，而不是由多个独立引导实验组成的课程。主要知识点带有简短说明，但学习时间主要用于阅读、运行和重新编写 NumPy 代码。
练习是否提供答案？
提供。每道练习都展示一个参考实现，并留有空白代码单元格供你动手练习。为了获得更好的学习效果，建议先尝试独立复现结果，不要直接复制示例。
必须按顺序完成全部 100 题吗？
前 50 题构成基础部分，学习路径最为连贯。第 51–100 题被明确标为可选内容，可以按需选择，也可以用来集中复习自己不熟悉的主题。
课程会教授机器学习或完整的数据科学项目吗？
不会。课程训练的 NumPy 技能可为后续学习这些领域打下基础，但不会构建预测模型或完整的端到端项目，重点始终是数组操作和数值问题求解。
