一、NumPy 是做什么的
NumPy 是 Python 数据分析里的底层数组库，很多上层库都会用到它。可以先把三剑客理解成：NumPy 负责数值数组和数学计算，Pandas 负责表格数据处理，Matplotlib 负责可视化；相比原生 list，NumPy 的 ndarray 类型更统一、运算更适合批量计算也就是向量化，也更容易发挥性能优势。
二、核心对象：ndarray
NumPy 最核心的数据结构是 ndarray，也就是 N 维数组。
import numpy as np
arr = np.array([1, 2, 3, 4])
print(arr) #[1 2 3 4]
print(type(arr)) # <class 'numpy.ndarray'>
print(arr.dtype) #int64
print(arr.shape) #输出数组形状，这里是一维数组，所以结果是 (4,)
输出中几个最常见的信息：
dtype表示元素类型，例如int64、float64shape表示数组形状，例如(4,)、(3, 2)ndim表示数组维度数量
二维数组也很常见：
matrix = np.array([
[1, 2, 3],
[4, 5, 6],
])
print(matrix.shape) # (2, 3)
print(matrix.ndim) # 2
三、创建数组的常见方式
import numpy as np
zeros = np.zeros((2, 3)) # 参数 (2, 3) 表示生成 2 行 3 列的全 0 数组
ones = np.ones((2, 3)) # 参数 (2, 3) 表示生成 2 行 3 列的全 1 数组
seq = np.arange(0, 10, 2) # 参数依次表示起始值 0、结束值 10（不包含）、步长 2
line = np.linspace(0, 1, 5) # 参数依次表示起点 0、终点 1、平均取 5 个点
print(zeros)
"""
[[0. 0. 0.]
[0. 0. 0.]]
"""
print(ones)
'''
[[1. 1. 1.]
[1. 1. 1.]]
'''
print(seq) #[0 2 4 6 8]
print(line) #[0. 0.25 0.5 0.75 1. ]
这些函数在数据分析中非常常见：
np.zeros()创建全 0 数组np.ones()创建全 1 数组np.arange()按步长生成序列np.linspace()按区间平均生成指定数量的点
四、索引、切片与形状变换
import numpy as np
arr = np.array([
[10, 20, 30],
[40, 50, 60],
[70, 80, 90],
])
print(arr[0, 1]) # 20
print(arr[:, 0]) # 第一列
print(arr[1:3, 1:3]) # 子区域
"""
20
[10 40 70]
[[50 60]
[80 90]]
"""
变换形状时常用：
import numpy as np
nums = np.arange(1, 13) # 生成 1 到 12 的一维数组，13 不包含在内
grid = nums.reshape(3, 4) # 把这 12 个元素重新排成 3 行 4 列的二维数组
print(grid)
"""
[[1 2 3 4]
[5 6 7 8]
[9 10 11 12]]
"""
print(nums.shape) # 打印结果: (12,) 表示原始数据是一维数组，共 12 个元素
print(grid.shape) # 打印结果: (3, 4) 表示重塑后变成 3 行 4 列
需要注意的是，reshape() 只是换一种视角理解数据，前提是元素总数一致。
五、向量化：NumPy 的性能关键
很多初学者第一次接触 NumPy 时，会觉得“它和列表好像也差不多”，真正的差别在于向量化运算。 向量化的核心思想是：把“单个处理”变成“批量处理”。
import numpy as np
prices = np.array([10, 20, 30])
counts = np.array([2, 3, 4])
total = prices * counts
print(total) # [20 60 120]
print(total.sum()) # 200
这类批量计算不需要自己写 for 循环，代码通常更短，也更容易利用底层优化。
常见向量化操作包括：
- 数组与数组的四则运算
- 数组与标量的四则运算
- 聚合统计，例如
sum()、mean()、max()
什么是“标量”（Scalar）？
在数学和编程中，标量指的是“单个的数值”。
它只有一个维度，没有长度、宽度或形状。比如：1、3.14、-5、0.5。
与之相对的是“向量”或“数组”，它们是一组数据的集合（比如 [1, 2, 3]）。
四则运算就是我们在小学数学里学的最基本的四种计算：加、减、乘、除。
六、布尔索引：按条件筛选数据
除了按位置切片，NumPy 还非常常用于“按条件取数据”。
import numpy as np
scores = np.array([58, 72, 91, 84, 66])
mask = scores >= 80
print(mask) # [False False True True False]
print(scores[mask]) # [91 84]
print(scores[scores >= 80]) #[91 84] # 也可以直接把条件写进索引里
这里的核心直觉是：
- 条件表达式会先得到一个由
True/False组成的布尔数组 - 再用这个布尔数组去筛选原数组中满足条件的元素
多个条件组合时，也很常见：
import numpy as np
scores = np.array([58, 72, 91, 84, 66])
result = scores[(scores >= 60) & (scores < 90)]
print(result) # [72 84 66]
要特别注意：
- NumPy 中组合条件通常用
&和| - 每个条件两边最好都加上括号
七、广播：不同形状也能参与运算
广播是 NumPy 中非常高频、也最容易让初学者困惑的机制。
import numpy as np
scores = np.array([
[80, 85, 90],
[70, 88, 95],
])
bonus = np.array([5, 3, 2])
final_scores = scores + bonus
print(final_scores)
"""
[[85 88 92]
[75 91 97]]
"""
这里 scores 的形状是 (2, 3)，bonus 的形状是 (3,)。NumPy 会自动把 bonus 理解为“每一行都加同一组列补偿值”，这就是广播。
可以先记住一个实用直觉：
- 维度相同，按位置运算
- 维度不同但某一侧是
1，可能触发广播 - 维度既对不上，也无法扩展时，就会报错
八、NumPy 在数据分析中的典型用途
在真实项目里，NumPy 很少单独作为“业务层主角”，但它经常出现在这些场景：
- 存储大批量数值数据
- 做矩阵和向量计算
- 进行统计预处理
- 为机器学习模型准备特征矩阵
- 作为 Pandas 底层数组能力的支撑
九、一个简单示例：计算各科平均分
import numpy as np
scores = np.array([ # 3 行 3 列的二维数组，可以理解为 3 位学生的 3 门成绩
[88, 76, 90], # 第 1 位学生的成绩
[92, 81, 85], # 第 2 位学生的成绩
[79, 95, 87], # 第 3 位学生的成绩
])
subject_mean = scores.mean(axis=0) # 按列求平均，得到每一门学科的平均分
student_mean = scores.mean(axis=1) # 按行求平均，得到每一位学生的平均分
print("各科平均分:", subject_mean)
print("每位学生平均分:", student_mean)
这里：
axis=0表示按列聚合axis=1表示按行聚合
这是 NumPy、Pandas 中都非常常见的思维方式。
十、学习 NumPy 时最容易踩的坑
- 把 NumPy 当成“支持更多语法的列表”，忽略了它的数组思维
- 不清楚
shape、ndim、axis的含义 - 写条件筛选时把
&、|和 Python 原生的and、or混在一起 - 广播规则只靠背，没结合实际例子理解
- 明明已经是数组运算，还继续写很多 Python 循环
小结
NumPy 解决的是“高效处理数值数组”这个基础问题。它不是数据分析里最贴近业务语义的库，却是很多分析任务最底层的算力基础。
理解了 ndarray、布尔索引、向量化和广播，你再去学习 Pandas 和机器学习相关库时，会轻松很多。