1. ⽮量算术运算：
    矢量算数运算是指矢量（向量）进行的数学运算，其中矢量由多个数值组成，并且这些数值在相同位置相互位置上相互对应。
    矢量通常表示为具有相同维度的一维数组。矢量算数可以进行逐个元素的运算， 如：加法， 减法， 乘法，和除法
    矢量算数运算的优点：它们可以同时对矢量的所有元素进行操作，从而提高了计算的效率和简洁性，矢量算数运算经常用于处理和操作大量的数据。
    1.1. 矢量加法：将两个矢量的对应元素相加，得到新的矢量结果。
         [1, 2, 3] + [4, 5, 6] = [5, 7, 9]
    1.2. 矢量减法 ： 将两个矢量的对应元素相减，得到一个新的矢量作为结果。
        [4, 5, 6] - [1, 2, 3] = [3, 3, 3]
    1.3. 矢量乘法（逐元素乘法）：将两个矢量的对应元素相乘，得到一个新的矢量作为结果。
        [1, 2, 3] * [4, 5, 6] = [4, 10, 18]
    1.4. 矢量除法（逐元素除法）：将两个矢量的对应元素相除，得到一个新的矢量作为结果。
        [4, 5, 6] / [2, 2, 2] = [2, 2.5, 3]
2.Copy

1.ndarray: 一个具有矢量算数运算和复杂广播能力的快速且节省空间的多维数组。
2.用于对整租数据进行快速运算的标准数学函数（无需编写循环）。
3.用于读写磁盘数据的工具以及用于操作内存映射文件的工具。
4.线性代数，随机数生成以及傅里叶变换功能。
5.用于集成有C，C++，Fortran等语言编写的代码的 A C API。Copy

1.NumPy是在一个连续的内存块中存储数据，独立于其他Python内置对象，NumPy的C语言编写的算法库可以操作内存，而不必进行类型检查或者其他工作，比起Python内置序列，NumPy数组使用内存更小。
2.NumPy可以在整个数组上执行复杂的计算，而不需要Python的for循环Copy

该对象是一个快速而灵活的大数据集容器，可以利用这种数组对整块数据进行一些数学运算，其语法和标量元素之间的运算一样Copy

创建数组最简单的办法就是使用 array函数，它接受一切序列型的对象（包括其他数组），然后产生一个新的含有传入数据的 NumPy数组。Copy

import numpy as np

data3 = [[1, 2, 3,4, 5, 6], [7,   8,    9]]
arr3 = np.array(data3, dtype='object')
print(arr3)

Out:  array([list([1, 2, 3, 4, 5, 6]), list([7, 8, 9])], dtype=object)Copy

import numpy as np 

arr1 = np.zeros(10)
print(arr1)

OUT : array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])Copy

import numpy as np
arr1 = np.zeros((3, 6))
print(arr1)

OUT: array([[0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.]])Copy

dtype(数据类型)是一个特殊的对象，它含有ndarray将一块内存解释为特定数据类型所需要的信息，在NumPy中 dtype是用于指定数组元素的数据类型的参数。通过指定 dtype，可以控制数组中元素中的的数据类型， 如整数， 浮点数， 布尔值Copy

import numpy as np

arr = np.zeros((3, 4), dtype=int)
print(arr.dtype)


OUT： int64Copy

import numpy as np

arr = np.array([1, 2, 3, 4])
print(arr.dtype)  # 输出 dtype('int32')
print(arr) # 输出 ： array([1, 2, 3, 4, 5])

# 使用astype 转换成浮点数，dtype指定类型
flaot_arr = arr.astype(dtype=np.float64)
print(flaot_arr.dtype) # 输出: dtype('float64')
print(flaot_arr) # 输出 ： array([1., 2., 3., 4., 5.])
Copy

import numpy as np
arr = np.array([3.7,-1.2,  -2.8,  0.6, 11,9])
print(arr)  # array([ 3.7, -1.2, -2.8,  0.6, 11. ,  9. ])

# 使用 astype 转成整数
int_arr = arr.astype(np.int32)
print(int_arr)  #  array([ 3, -1, -2,  0, 11,  9])Copy

import numpy as np

num_strings = np.array(['12.5', '9.6' , "33"])
# 使用 astype 转成 float
float_arr = num_strings.astype(dtype=np.float64)
print(float_arr) # [12.5  9.6 33. ]Copy