Numpy的核心：数组的定义与特性

我们已经知道，NumPy是Python中用于科学计算的一个基础库，它提供了一种高效的多维数组对象，使我们可以方便地存储和处理大型的数据集。

而在NumPy中，数组更是核心中的核心，所有的科学计算都是围绕着数组进行的，所以学习NumPy中的数组是非常重要的。

在NumPy中，数组被称为ndarray（N-dimensional array），它是一个由同种数据类型元素组成的多维数组，而且每个维度称为轴（axis），轴的数量称为秩（rank）。

NumPy中的数组有以下特性：

1. 数据类型：NumPy数组中的所有元素都必须是相同的数据类型，这是数组的一个重要特性。例如，数组可以是整数、浮点数或复数类型的。
2. 大小固定：NumPy数组的大小在创建时就已经固定，无法在运行时改变。这与Python的内置列表不同，可以通过添加或删除元素动态调整大小。
3. 索引：NumPy数组中的元素可以使用索引来访问，索引从0开始。对于二维数组，可以使用行索引和列索引来访问元素。
4. 形状：NumPy数组的形状是指各个轴的长度，可以使用数组的shape属性来获取。例如，一个形状为(3, 4)的数组有3行和4列。
5. 广播（broadcasting）：NumPy数组支持广播机制，即在某些情况下，两个形状不同的数组可以进行算术运算，NumPy会自动将较小的数组广播（复制）到较大数组的形状，使它们的形状兼容。

下面是一个创建NumPy数组的一些方法：

import numpy as np

# 通过列表创建一维数组
a = np.array([1, 2, 3])
print(a)    # 输出 [1 2 3]

# 通过列表创建二维数组
b = np.array([[1, 2, 3], [4, 5, 6]])
print(b)
"""
输出：
[[1 2 3]
 [4 5 6]]
"""

# 创建形状为(2, 3)的数组，元素都为0
c = np.zeros((2, 3))
print(c)
"""
输出：
[[0. 0. 0.]
 [0. 0. 0.]]
"""

# 创建形状为(3, 3)的单位矩阵
d = np.eye(3)
print(d)
"""
输出：
[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]
"""

# 创建形状为(4,)的数组，元素从0到3
e = np.arange(4)
print(e)    # 输出 [0 1 2 3]

NumPy数组是一种非常强大的数据结构，可以用于表示和处理各种类型的数据。掌握NumPy数组的定义和基本性质是学习NumPy的基础，也是我们后续进行数据分析和机器学习的基本知识。