NumPy 教程
NumPy 是 Python 中广泛使用的一个科学计算库，它致力于处理大型多维数组和矩阵，同时提供强大的数学函数库。
安装
在使用 NumPy 之前，我们需要先安装它。可以使用 pip 命令在终端中安装：
pip install numpy
数组创建与基本操作
NumPy 的核心数据结构是 ndarray，即 n 维数组。创建数组非常简单，可以使用 array() 函数创建一个一维数组，也可以使用 nested list 创建一个多维数组：
import numpy as np
a = np.array([1, 2, 3]) # 一维数组
b = np.array([[1, 2, 3], [4, 5, 6]]) # 二维数组
除此之外，也可以使用 arange() 函数或 linspace() 函数创建一个数列：
c = np.arange(0, 10, 2) # [0, 2, 4, 6, 8]
d = np.linspace(0, 1, 5) # [0. , 0.25, 0.5 , 0.75, 1. ]
对于数组的基本操作，NumPy 提供了很多函数和方法，比如数组的形状、维度、元素类型等属性，以及数组相加、相减、相乘等计算操作。
数学计算
NumPy 中的数学计算函数非常丰富，包括三角函数、指数对数函数、统计函数等。这里列举常用的一些：
a = np.sin(np.pi/2) # 1.0
b = np.exp(1) # 2.718281828459045
c = np.log(2.718) # 1.000057737732358
d = np.sum([1, 2, 3]) # 6
e = np.mean([1, 2, 3]) # 2.0
f = np.std([1, 2, 3]) # 0.816496580927726
除此之外，NumPy 还提供了一些常用的线性代数函数，比如矩阵乘积、矩阵求逆、矩阵行列式等。
广播机制
NumPy 中的广播机制可以方便地处理不同形状的数组进行计算，使得较小的数组能够进行计算。广播机制遵循下面的规则：
-
如果两个数组的后缘维度（trailing dimension，即后面的维度）相同或其中一个数组的后缘维度为1，则认为它们是广播兼容的。
-
如果两个数组的维度不相同，则在较小的数组前面加上若干个长度为1的维度，直到两个数组的形状匹配为止。
举个例子：
a = np.array([1, 2, 3]) # shape=(3,)
b = np.array([[1], [2], [3]]) # shape=(3, 1)
c = a * b # 等价于 np.array([[1, 2, 3], [2, 4, 6], [3, 6, 9]])
文件操作
NumPy 还提供很多文件操作的函数，比如 savetxt() 和 loadtxt()。savetxt() 函数可以将数组保存到磁盘上的文本文件中，loadtxt() 函数可以从磁盘上的文本文件中读取数组。
a = np.arange(10)
np.savetxt('a.txt', a)
b = np.loadtxt('a.txt')
当然，NumPy 还提供了更强大的文件操作函数 load() 和 save()，可以保存和读取二进制文件。
总结
本篇教程介绍了 NumPy 的基本使用、数组创建与基本操作、数学计算、广播机制、文件操作等功能。这些功能是 NumPy 最常用的功能，可以在科学计算、数据分析等领域方便地应用。