目录
前言
1. 开发环境安装与配置
2.NumPy数组引出
3.NumPy数组创建
4.NumPy数组查看
4.1 数组的维度
4.2 数组的形状
4.3 数组元素的总数
4.4 数据类型
4.5 数组中每个元素的大小（以字节为单位）
5.NumPy数据保存
6.NumPy数据类型
7.NumPy数组运算
7.1 加减乘除幂运算
7.2 逻辑运算
7.3 += -= *= 操作
8.NumPy索引与切片
8.1 一维数组索引和切片
8.2 二维数组索引和切片
8.3 花式索引
9.训练场
9.1 创建一个长度为10的一维全为0的ndarray对象，然后让第5个元素等于1
9.2 创建一个元素为从10到49的ndarray对象，间隔是1
9.3 将第2题的所有元素位置反转
9.4 使用np.random.random创建一个10*10的ndarray对象，并打印出最大最小元素
9.5 创建一个10*10的ndarray对象，且矩阵边界全为1，里面全为0
9.6 创建一个每一行都是从0到4的5*5矩阵
9.7 创建一个范围在(0,1)之间的长度为12的等差数列，创建[1, 2, 4, 8, 16, 32, 64, 128, 256, 512, 1024]等比数列。
9.8 创建一个长度为10的正太分布数组np.random.randn并排序
9.9 创建一个长度为10的随机数组并将最大值替换为-100
9.10 如何根据第3列大小顺序来对一个5*5矩阵排序？
前言
本文其实属于：Python的进阶之道【AIoT阶段一】的一部分内容，本篇把这部分内容单独截取出来，方便大家的观看，本文介绍 NumPy入门，后续还会单独发一篇 NumPy高级 内容供读者学习。
NumPy（Numerical Python）是Python的一种开源的数值计算扩展。提供多维数组对象，各种派生对象（如掩码数组和矩阵），这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix）），支持大量的维度数组与矩阵
运算，此外也针对数组运算提供大量的数学函数库，包括数学、逻辑、形状操作、排序、选择、输入输出、离散傅立叶变换、基本线性代数，基本统计运算和随机模拟等等。
几乎所有从事Python工作的数据分析师都利用NumPy的强大功能。
a.强大的N维数组
b.成熟的广播功能
c.用于整合C/C++和Fortran代码的工具包
d.NumPy提供了全面的数学功能、随机数生成器和线性代数功能
1.开发环境安装与配置
🚩有两种不同的安装手段，本文主要介绍第二种方法，并提供两种下载渠道：
第一种方式：
在 cmd 中输入下面两行：
pip install jupyter -i https://pypi.tuna.tsinghua.edu.cn/simple pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
第二种方式：
直接安装Anaconda下载：Anaconda Installers
读者根据自己不同的操作系统进行下载，博主为 Windows 系统，下面安装流程也是在 Windows 操作系统上进行，不过区别不大。
也可以直接在百度网盘下载：Anaconda Installers，提取码：3h2u
❗️ 注意：Add Path！！！ 添加一下环境变量~
进入等待：
安装完成~
这时会弹出两个网站：
不用管，直接关闭即可。
我们进入 cmd，输入：
jupyter notebook
紧接着会进入一个网站：
至此，我们的 Anaconda 安装成功，Congratulation~🎈
我们在这里新建一个文件夹：
此时的文件是未命名的，我们来给它起个名字：
我们在 AIoT 中创建一个 Python3：
我们还是一样给它改个名：
至此，我们成功创建了 Python3 文件，Congratulation~🎈
