---

NumPy是一个基于Python的科学计算库，能够为Python提供数组对象、矩阵运算、数值分析等功能，很多科学计算和数据分析都需要使用NumPy库。本文主要介绍NumPy数组的操作。

创建NumPy数组

创建NumPy数组有多种方式，最常用的是使用numpy.array()函数和numpy.zeros()函数。

1. numpy.array(): 从python列表或元祖中获得Numpy数组

   import numpy as np
   
   a = np.array([1, 2, 3])
   print(a) # [1 2 3]
   

2. numpy.zeros(): 创建零数组

   b = np.zeros((3, 3))
   print(b) # [[0. 0. 0.], [0. 0. 0.], [0. 0. 0.]]
   

数组切片和索引

NumPy数组可以使用切片和索引进行访问和修改。

1. 切片

   c = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
   print(c[:2, 1:]) # [[2 3] [5 6]]
   

2. 索引

   d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
   print(d[1, 2]) # 6
   

数组形状操作

1. ndarray.shape：数组形状

   e = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
   print(e.shape) # (3, 3)
   

2. ndarray.reshape：改变数组形状

   f = np.array([[1, 2, 3], [4, 5, 6]])
   print(f.reshape(3, 2)) #[[1 2] [3 4] [5 6]]
   

数组类型操作

1. ndarray.dtype：数组数据类型

   g = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.float64)
   print(g.dtype) # float64
   

2. ndarray.astype：改变数组数据类型

   h = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.float64)
   print(h.astype(np.int32)) # [[1 2 3] [4 5 6]]
   

数组运算

1. 简单的算术运算：

   i = np.array([[1, 2, 3], [4, 5, 6]])
   j = np.array([[2, 3, 4], [5, 6, 7]])
   print(i + j) # [[ 3  5  7] [ 9 11 13]]
   print(i - j) # [[-1 -1 -1] [-1 -1 -1]]
   print(i * j) # [[ 2  6 12] [20 30 42]]
   

2. 矩阵乘法（@运算符）：

   k = np.array([[1, 2], [3, 4]])
   l = np.array([[5, 6], [7, 8]])
   print(k @ l) # [[19 22] [43 50]]
   

高级numpy操作

1. 数组级别的转置：

   m = np.array([[1, 2, 3], [4, 5, 6]])
   print(m.T) # [[1 4] [2 5] [3 6]]
   

2. 数组堆叠：

   n = np.array([[1, 2], [3, 4]])
   o = np.array([[5, 6], [7, 8]])
   print(np.vstack((n,o))) # [[1 2] [3 4] [5 6] [7 8]]
   

总之，NumPy是一个强大的科学计算库，提供了各种数组操作和运算，可以方便地处理基于数组的数据分析和科学计算问题，有助于提高数据分析和科学计算的效率。