以下 3 个函数，乃学习 Numpy 之基础！

在数据科学和机器学习领域，Numpy 是一个强大的 Python 库，为处理数值数据提供了高效且便捷的工具。而以下这 3 个函数，堪称学习 Numpy 的基础，掌握它们将为您在数据处理的道路上打下坚实的基石。

首先是 np.array() 函数。它用于创建 Numpy 数组，这是 Numpy 操作的核心对象。通过将列表、元组或其他可迭代对象传递给 np.array() ，您可以快速将数据转换为具有高效内存管理和快速运算能力的数组。例如：

import numpy as np
arr = np.array([1, 2, 3, 4, 5])

这个函数允许您指定数据类型，还能处理多维数组的创建，为复杂的数据结构提供了基础。

其次是 np.zeros() 函数。当您需要创建一个充满零值的数组时，它就派上了用场。您可以指定数组的形状，比如：

zero_arr = np.zeros((3, 3))

这将创建一个 3 行 3 列的全零数组。在初始化数组或者为特定大小的数组分配空间时，np.zeros() 非常实用。

最后是 np.mean() 函数。它用于计算数组的平均值。无论是一维数组还是多维数组，都能轻松获取平均值。

data = np.array([10, 20, 30, 40, 50])
average = np.mean(data)

这个函数在数据分析和统计计算中经常被使用，帮助我们快速了解数据的集中趋势。

掌握这三个基础函数，只是踏入 Numpy 精彩世界的第一步。通过不断地实践和学习，您将能够发掘 Numpy 更多强大的功能，从而更高效地处理和分析数据，为解决各种实际问题提供有力的支持。无论是进行科学计算、机器学习还是数据可视化，Numpy 都将成为您不可或缺的工具，而这三个函数则是开启这个宝库的关键钥匙。