1. VSCode 环境配置
注意：假设已安装 Python 和 VSCode，未安装可通过 Python官网 和 VSCode官网 下载。
步骤 1：创建 Python 虚拟环境
虚拟环境能隔离项目依赖，避免版本冲突。
- 在 VSCode 中打开终端（快捷键 Ctrl + ~），输入以下命令：
# 创建名为 venv 的虚拟环境
python -m venv venv
# 激活虚拟环境（Windows）
.\venv\Scripts\activate
激活后终端会显示 (venv)，表示当前处于虚拟环境中。
步骤 2：安装 Numpy
在激活的虚拟环境中运行：
pip install numpy
验证安装是否成功：
# 在 VSCode 中新建一个 .py 文件，输入以下代码并运行
import numpy as np
print(np.__version__) # 输出类似：1.24.3
步骤 3（可选）：配置 Jupyter Notebook
适合喜欢交互式学习的用户：
pip install jupyter
在 VSCode 中新建 .ipynb 文件，选择内核为虚拟环境中的 Python。
2. Numpy 核心概念
2.1 什么是数组？
- Python 列表（List）：灵活但效率低，适合存储不同类型的数据。
- Numpy 数组（Array）：固定类型、内存连续，适合高效数值计算。
示例：
import numpy as np
# 列表可以混合类型
my_list = [1, 2, "hello"]
# 数组会强制统一类型
my_array = np.array([1, 2, 3]) # 自动转为整数类型
print(my_array.dtype) # 输出：int32
2.2 数组维度与形状（shape）
- 维度：一维数组（向量）、二维数组（矩阵）、三维数组（立方体）。
- 形状：描述每一维的长度，例如 (3, 2) 表示 3 行 2 列的矩阵。
示例：
arr = np.array([[1, 2], [3, 4], [5, 6]])
print(arr.shape) # 输出：(3, 2)
3. 数组创建与基础操作
3.1 手动创建数组
# 从列表创建
arr1 = np.array([1, 2, 3]) # 一维数组
arr2 = np.array([[1, 2], [3, 4]]) # 二维数组
# 创建全0数组
zeros = np.zeros((2, 3)) # 2行3列的0矩阵
# 创建全1数组
ones = np.ones((3,)) # 一维数组，3个1
# 创建单位矩阵
eye = np.eye(3) # 3x3 单位矩阵
3.2 生成序列
# 类似 range，生成 [0, 10) 的整数，步长为2
arr_range = np.arange(0, 10, 2) # 输出：[0 2 4 6 8]
# 生成等间隔的5个数，范围 [0, 1]
arr_linspace = np.linspace(0, 1, 5) # 输出：[0. 0.25 0.5 0.75 1. ]
3.3 形状操作
arr = np.arange(6) # 一维数组 [0 1 2 3 4 5]
# 转换为2x3矩阵
reshaped = arr.reshape(2, 3) # 形状 (2, 3)
# [[0 1 2]
# [3 4 5]]
# 展平回一维
flattened = reshaped.flatten() # 输出：[0 1 2 3 4 5]
# 转置（行变列，列变行）
transposed = reshaped.T # 形状 (3, 2)
# [[0 3]
# [1 4]
# [2 5]]
3.4 索引与切片
arr = np.array([[1, 2, 3], [4, 5, 6]])
# 获取单个元素（第0行第1列）
print(arr[0, 1]) # 输出：2
# 切片（第1行的所有列）
print(arr[1, :]) # 输出：[4 5 6]
# 修改元素
arr[1, 2] = 99 # 数组变为 [[1, 2, 3], [4, 5, 99]]
4. 实战小项目
项目 1：学生成绩统计分析
# 模拟5个学生的3门课成绩
scores = np.array([
[85, 90, 78],
[92, 88, 76],
[75, 80, 95],
[60, 70, 65],
[98, 99, 100]
])
# 计算每门课的平均分
mean_per_subject = np.mean(scores, axis=0)
print("平均分：", mean_per_subject) # 输出：[82. 85.4 82.8]
# 找到最高分和最低分
max_score = np.max(scores)
min_score = np.min(scores)
print(f"最高分：{max_score}, 最低分：{min_score}") # 最高分：100, 最低分：60
项目 2：简单图像处理
用数组模拟黑白图像的像素矩阵（0=黑，255=白）：
# 创建一个 5x5 的“图像”
image = np.array([
[0, 50, 100, 150, 200],
[255, 200, 150, 100, 50],
[0, 50, 100, 150, 200],
[255, 200, 150, 100, 50],
[0, 50, 100, 150, 200]
])
# 反转颜色（黑白互换）
inverted_image = 255 - image
# 裁剪中间 3x3 区域
cropped = image[1:4, 1:4] # 行1到3，列1到3
上篇总结
- 掌握内容：环境搭建、数组创建、形状操作、索引与切片。
- 重点提示：数组的 shape 和 dtype 是核心属性。使用 reshape 时元素总数需一致（如6个元素可转为2x3，但不能转为3x3）。
- 练习任务：用 np.arange(12) 创建一个 3x4 的数组，并计算其转置矩阵。生成一个长度为10的等差数列，范围从-5到5。
接下来可以学习中篇《进阶运算与数据处理》！需要提供代码答案或进一步解释吗？