一.首先先安装numpy
windows+r 输入cmd
然后像我这样输入进去，加一句后面的https：.....可以放其他他的镜像地址比如
- 清华大学镜像源：Simple Index
- 阿里云镜像源：Simple Index
- 中国科学技术大学镜像源：Verifying - USTC Mirrors
- 豆瓣镜像源：https://pypi.douban.com/simple
- 华为云镜像源：https://repo.huaweicloud.com/repository/pypi/simple
- 腾讯云镜像源：Simple Index
- 网易镜像源：https://mirrors.163.com/pypi/simple
都可以试试
这里可以看看版本
二.概念分析
在编程语境中，array（数组） 是一种基本的数据结构，用于存储和组织相同类型的元素集合。它在不同的编程语言中有不同的实现和特性。以下是关于 array 的详细解释：
1. 通用概念
数组是一个有序的数据集合，每个元素可以通过索引（位置编号）快速访问。数组的特点包括：
- 固定长度：多数语言中，数组创建后长度不可变（如 Java、C++）。
- 相同数据类型：数组中的元素必须是同一种类型（如整数、浮点数）。
- 连续内存：元素在内存中连续存储，便于快速访问。
2. 在不同编程语言中的实现
Python
在 Python 中，原生的数组功能由 list 提供（动态数组），但更常用的是 NumPy 数组（高效的多维数组）：
# Python 列表（动态数组）
my_list = [1, 2, 3, 4] # 可存储不同类型元素
# NumPy 数组（需导入库）
import numpy as np
my_array = np.array([1, 2, 3, 4]) # 元素类型必须一致NumPy 数组的优势：
- 高效的数学运算（比 Python 列表快得多）。
- 支持多维数组（矩阵、张量）。
- 丰富的科学计算函数。
3. 数组操作示例
import numpy as np
# 创建一维数组
a = np.array([1, 2, 3])
# 创建二维数组（矩阵）
b = np.array([[1, 2, 3], [4, 5, 6]])
# 访问元素
print(a[0]) # 输出: 1
print(b[1, 2]) # 输出: 6（第2行第3列）
# 数组运算
c = a + 2 # 所有元素加2：[3, 4, 5]
d = a * b # 对应元素相乘4. 为什么使用数组？
- 高效访问：通过索引直接访问元素，时间复杂度为 O (1)。
- 内存优化：连续存储节省空间。
- 适合数学运算：尤其在科学计算、机器学习中广泛使用。
5. 常见问题
- 索引越界：访问不存在的索引位置（如
a[10]）会报错。 - 类型限制：NumPy 数组要求元素类型一致，否则会自动转换（如
[1, 2.5]→ 全浮点数）。
import numpy as np # 导入numpy库，别名为np，用于高效数值计算等操作
# numpy(底层用C实现，结合Python接口)：在处理数字、矩阵等数据时速度较快，是科学计算库，包含很多数学相关公式
# 计算正弦值，参数为弧度，角度（D）和弧度（R）关系：D = (180/π) × R
print(np.sin(1))
# 计算余弦值（这里补充完整调用，假设计算弧度为1的余弦，可按需修改参数）
print(np.cos(1))
# 计算正切值（这里补充完整调用，假设计算弧度为1的正切，可按需修改参数，注意正切存在取值限制，部分输入可能出问题）
print(np.tan(1))
# 计算绝对值
print(np.abs(-1)) np.后面就会有很多的数学要用的概念，像这样
通常包括三角函数反三角函数等
- 先用
list1 = [6]，借助 Python 内置的list（列表）类型，创建一个包含数字 6 的列表 。 - 再通过
v = np.array(list1)，调用 NumPy 库的array函数，把刚才创建的列表list1转换成 NumPy 数组（可理解为用于数值计算的 “矩阵” ），转换后的结果存储在变量v里 。
调试后为：
所以需要记住的是：矩阵的数据类型就是ndarray
v那行有个View as Array点开看看，像这样
打印的规则和数学一样，矩阵无逗号的，而列表是有逗号的