一.首先先安裝numpy

windows+r 輸入cmd

然后像我這樣輸入進去，加一句后面的https：.....可以放其他他的鏡像地址比如

• 清華大學鏡像源：Simple Index
• 阿里云鏡像源：Simple Index
• 中國科學技術大學鏡像源：Verifying - USTC Mirrors
• 豆瓣鏡像源：https://pypi.douban.com/simple
• 華為云鏡像源：https://repo.huaweicloud.com/repository/pypi/simple
• 騰訊云鏡像源：Simple Index
• 網易鏡像源：https://mirrors.163.com/pypi/simple

都可以試試

這里可以看看版本

二.概念分析

在編程語境中，array（數組）?是一種基本的數據結構，用于存儲和組織相同類型的元素集合。它在不同的編程語言中有不同的實現和特性。以下是關于?array?的詳細解釋：

1. 通用概念

數組是一個有序的數據集合，每個元素可以通過索引（位置編號）快速訪問。數組的特點包括：

• 固定長度：多數語言中，數組創建后長度不可變（如 Java、C++）。
• 相同數據類型：數組中的元素必須是同一種類型（如整數、浮點數）。
• 連續內存：元素在內存中連續存儲，便于快速訪問。

2. 在不同編程語言中的實現

Python

在 Python 中，原生的數組功能由?list?提供（動態數組），但更常用的是?NumPy 數組（高效的多維數組）：

# Python 列表（動態數組）
my_list = [1, 2, 3, 4]  # 可存儲不同類型元素# NumPy 數組（需導入庫）
import numpy as np
my_array = np.array([1, 2, 3, 4])  # 元素類型必須一致

NumPy 數組的優勢：

• 高效的數學運算（比 Python 列表快得多）。
• 支持多維數組（矩陣、張量）。
• 豐富的科學計算函數。

?3. 數組操作示例

import numpy as np# 創建一維數組
a = np.array([1, 2, 3])# 創建二維數組（矩陣）
b = np.array([[1, 2, 3], [4, 5, 6]])# 訪問元素
print(a[0])  # 輸出: 1
print(b[1, 2])  # 輸出: 6（第2行第3列）# 數組運算
c = a + 2  # 所有元素加2：[3, 4, 5]
d = a * b  # 對應元素相乘

4. 為什么使用數組？

• 高效訪問：通過索引直接訪問元素，時間復雜度為 O (1)。
• 內存優化：連續存儲節省空間。
• 適合數學運算：尤其在科學計算、機器學習中廣泛使用。

5. 常見問題

• 索引越界：訪問不存在的索引位置（如?a[10]）會報錯。
• 類型限制：NumPy 數組要求元素類型一致，否則會自動轉換（如?[1, 2.5]?→ 全浮點數）。

import numpy as np  # 導入numpy庫，別名為np，用于高效數值計算等操作
# numpy(底層用C實現，結合Python接口)：在處理數字、矩陣等數據時速度較快，是科學計算庫，包含很多數學相關公式# 計算正弦值，參數為弧度，角度（D）和弧度（R）關系：D = (180/π) × R
print(np.sin(1))  
# 計算余弦值（這里補充完整調用，假設計算弧度為1的余弦，可按需修改參數）
print(np.cos(1))  
# 計算正切值（這里補充完整調用，假設計算弧度為1的正切，可按需修改參數，注意正切存在取值限制，部分輸入可能出問題）
print(np.tan(1))  
# 計算絕對值
print(np.abs(-1))  

?np.后面就會有很多的數學要用的概念，像這樣

?

通常包括三角函數反三角函數等

1. 先用?list1 = [6]?，借助 Python 內置的?list（列表）類型，創建一個包含數字 6 的列表 。
2. 再通過?v = np.array(list1)?，調用 NumPy 庫的?array?函數，把剛才創建的列表?list1?轉換成 NumPy 數組（可理解為用于數值計算的 “矩陣” ），轉換后的結果存儲在變量?v?里 。

調試后為：

?

?所以需要記住的是：矩陣的數據類型就是ndarray

v那行有個View as Array點開看看，像這樣

打印的規則和數學一樣，矩陣無逗號的，而列表是有逗號的