NumPy 基础入门课程介绍#
NumPy 是做数值计算绕不开的工具。机器学习、深度学习、数据分析里那些 np. 开头的函数，底层全是它。但对刚学会 Python 的你来说，它看起来又有点吓人：满屏的 axis=0、reshape，还有括号套括号，第一眼根本不知道它在算什么。
不过好消息是 NumPy 的核心用法其实很少，真正天天用的就二十来个，剩下的是查文档的事。这门课就把这二十来个拆成 5 章，每章配 5 道练习和 10 个常见问题，带你建立“用数组代替循环”的思维方式和手感。
小提示： 在学习过程中记不着每个函数的作用没关系，只要你跟着本课程的每一个示例动手练习一次，留下印象以后，等再次遇到的时候再回过头来查看一次就会逐渐完全掌握。
适合谁#
先看一段你可能见过的代码：
scores = (x - x.mean(axis=0)) / x.std(axis=0) # 这行到底在干嘛？一行代码，没有循环，但你看不懂它在干嘛。
NumPy 就是这套“没有循环的写法”的地基。学不会 NumPy，后面 Pandas、scikit-learn、PyTorch 都只能当黑盒调用。
如果下面几条命中你，这门课就是为你准备的：
刚学完 Python 基础（会写列表、循环、函数），但没用过 NumPy；
学过一点 NumPy，能跑通示例，但说不清
axis=0和axis=1到底差在哪；读别人写的 NumPy 代码读得很痛苦，想把“为什么这样写”搞清楚。
学习前需要准备#
只需要三样东西：
一个 Python 环境。建议 Python 3.9 及以上。
装好 NumPy（本课程使用版本为 2.3.0）：
pip install numpy==2.3.0一个编辑器，初学者建议安装 Jupyter Notebook ，因为它是最适合跟着本文敲代码——每写一格就能立刻看到结果，不用反复
print。
如果对于以上内容还不熟悉的话，可以分别参见 “Conda安装教程：机器学习环境配置与使用入门” 和 “机器学习开发环境安装配置：Jupyter Notebook 与 PyCharm 使用教程” 来安装 Python 和 Jupyter Notebook 。
课程结构#
| 章节 | 主题 | 你会学到 |
|---|---|---|
| 第 1 章 | 数组创建 | 从列表造数组、全零全一、arange/linspace、随机数、reshape 变形 |
| 第 2 章 | 索引与切片 | 基础索引、切片、Fancy Indexing、布尔掩码、视图与副本的陷阱 |
| 第 3 章 | 广播机制 | 外和、按行/按列缩放、两两差值、按列归一化 |
| 第 4 章 | 向量化运算 | 归一化差值、角度特征、聚合统计、sort/argsort、范数门控变换 |
| 第 5 章 | 数组实用工具 | 极值提取、缩尾处理、数值量化与分帧、tile/diff、拼接与相关性 |
同时，我们把每一章的内容都拆成三节，并按照同一个顺序进行了组织：
第 X.1 节 核心知识点：把这一章要用的函数讲清楚，配可运行代码；
第 X.2 节 编程练习：5 道动手题，先自己写，再看答案；
第 X.3 节 常见问题：10 个初学者最容易踩的坑，附解答。
一个贯穿全课程的例子#
为了让你不用反复更换数据集，全课程都用同一张“城市 × 季度销售额”表。你在第 1 章把它创建出来，后面 4 章一直用它：
import numpy as np
# 5 个城市 × 4 个季度的销售额（万元）
sales = np.array([
[120.0, 135.0, 150.0, 165.0],
[ 80.0, 92.0, 88.0, 105.0],
[200.0, 210.0, 195.0, 230.0],
[ 60.0, 72.0, 85.0, 78.0],
[150.0, 145.0, 160.0, 175.0],
])
city_names = np.array(["北京", "上海", "广州", "深圳", "成都"])
quarter_names = np.array(["Q1", "Q2", "Q3", "Q4"])
print(sales.shape) # (5, 4)
print(sales.dtype) # float64就上面这么几行代码，就是你接下来要持续折腾的对象。它是一个 5 行 4 列的二维数组，每一行是一个城市，每一列是一个季度。
怎么用这门课#
别一口气读完五个章节。更实在的做法是：
打开一个 Notebook，把例子复制进去，真的跑一遍；
看到输出和文章里写的不一样，停下来查清楚为什么；
做第 X.2 节的练习，先别看答案，卡住了再看；
第 X.3 节不用通读，等你真的被某个问题绊倒时再回来查也可以。
提示： NumPy 的函数很多，但日常真正高频用的就二十来个。这门课只讲这些。遇到课程里没讲的函数时，先别急着背 API，直接去官方文档搜一下关键词——通常五秒钟就能找到答案。
Numpy 和 Pandas 的关系#
如果你已经学过本站的 Pandas 实战课程，可以把两者这样对上号：
| 你要做的事 | Pandas | NumPy |
|---|---|---|
| 存一张表 | DataFrame | np.ndarray（只有数字，没有列名） |
| 按条件取数据 | df[df["销量"] > 3] | arr[arr > 3] |
| 按行/列汇总 | df.groupby(...) | arr.sum(axis=0) |
| 表格运算 | 直接乘 | 靠广播对齐形状 |
一句话：Pandas 管“有标签的表格”，NumPy 管“纯数字的矩阵”。 机器学习里两者都要用：数据清洗用 Pandas，模型内部的计算用 NumPy。