本实验提供了一个逐步指南，帮助你创建和使用 NumPy 数组。NumPy 数组是多维的、网格状的结构，用于 Python 中的科学计算和数据分析。与 Python 列表相比，它们具有多个优势，包括更快的计算速度、更简单的操作以及更好的内存管理。
虚拟机启动完成后，点击左上角切换到 Notebook 标签页，以访问 Jupyter Notebook 进行练习。
有时，你可能需要等待几秒钟，直到 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。
如果你在学习过程中遇到问题，随时可以向 Labby 提问。实验结束后请提供反馈，我们将及时为你解决问题。
在开始创建和使用 NumPy 数组之前，需要先安装 NumPy 包。可以通过以下命令完成安装：
!pip install numpy要创建 NumPy 数组，我们可以使用 numpy.array() 函数。我们可以将列表、元组或任何类似数组的对象传递给此函数，它会将其转换为 NumPy 数组。dtype 参数可用于显式定义数组的数据类型。
import numpy as np
## 创建一个一维 NumPy 数组
arr1 = np.array([1, 2, 3])
## 创建一个二维 NumPy 数组
arr2 = np.array([[1, 2, 3],[4, 5, 6]])我们可以使用 NumPy 数组的 shape 和 ndim 属性分别检查其形状和维度。shape 属性返回一个元组，表示数组每个维度中的元素数量，而 ndim 属性返回数组的维度数量。
import numpy as np
arr = np.array([[1, 2, 3],[4, 5, 6]])
print(arr.shape) ## 输出: (2, 3)
print(arr.ndim) ## 输出: 2我们可以像访问 Python 列表一样，使用索引和切片来访问 NumPy 数组的元素。NumPy 数组的索引始终从 0 开始。
import numpy as np
arr = np.array([[1, 2, 3],[4, 5, 6]])
print(arr[0, 1]) ## 输出: 2
print(arr[:, 1]) ## 输出: array([2, 5])NumPy 数组支持多种不同的操作，例如算术运算、聚合函数和逻辑运算。例如，我们可以使用 sum() 和 mean() 函数来计算 NumPy 数组元素的总和和平均值：
import numpy as np
arr = np.array([[1, 2, 3],[4, 5, 6]])
print(arr.sum()) ## 输出: 21
print(arr.mean()) ## 输出: 3.5我们可以使用 reshape() 函数来重塑 NumPy 数组。该函数接受一个表示目标形状的元组作为参数。我们还可以使用 transpose() 函数或 T 属性来转置 NumPy 数组。
import numpy as np
arr = np.array([[1, 2, 3],[4, 5, 6]])
## 将数组重塑为 3 行 2 列
arr_reshaped = arr.reshape((3, 2))
## 转置数组
arr_transposed = arr.transpose()
arr_T = arr.T
print(arr_reshaped) ## 输出: array([[1, 2],[3, 4],[5, 6]])
print(arr_transposed) ## 输出: array([[1, 4],[2, 5],[3, 6]])
print(arr_T) ## 输出: array([[1, 4],[2, 5],[3, 6]])在本实验中，我们学习了如何在 Python 中创建和使用 NumPy 数组。我们涵盖了创建数组、检查其形状和维度、访问其元素、对其执行操作以及重塑和转置数组的基本步骤。通过这些技能，我们可以高效地处理多维数组，用于科学计算和数据分析。
