NumPy是Python中最常用的科学计算库之一，它提供了高效的多维数组对象以及相关工具，可以用于处理数值计算、线性代数、傅里叶变换等问题。下面将介绍NumPy数组的基础知识。
1. NumPy数组的创建
NumPy数组是指多个相同类型的元素的集合，可以通过多种方式创建，例如：
1.1 从列表或元组创建
import numpy as np
a = np.array([1, 2, 3]) # 从列表创建一维数组
print(a) # 输出: [1 2 3]
b = np.array([[1, 2, 3], [4, 5, 6]]) # 从列表创建二维数组
print(b) # 输出: [[1 2 3]
# [4 5 6]]
c = np.array((1, 2, 3)) # 从元组创建一维数组
print(c) # 输出: [1 2 3]
1.2 通过特殊函数创建
d = np.zeros((2, 3)) # 创建2行3列的全零二维数组
print(d) # 输出: [[0. 0. 0.]
# [0. 0. 0.]]
e = np.ones((2, 3)) # 创建2行3列的全一二维数组
print(e) # 输出: [[1. 1. 1.]
# [1. 1. 1.]]
f = np.arange(0, 10, 2) # 创建步长为2的一维数组
print(f) # 输出: [0 2 4 6 8]
g = np.linspace(0, 1, 5) # 创建等间距的一维数组
print(g) # 输出: [0. 0.25 0.5 0.75 1. ]
2. NumPy数组的属性
创建好数组之后，我们可以通过一些方法查看数组的属性，例如：
a = np.array([1, 2, 3]) # 创建一维数组
print(a.shape) # 输出: (3,) 表示数组的形状为1行3列
print(a.ndim) # 输出: 1 表示数组的维度为1
print(a.size) # 输出: 3 表示数组的元素个数为3
print(a.dtype) # 输出: int64 表示数组的元素类型为64位整数
3. NumPy数组的索引和切片
NumPy数组可以使用索引和切片方式访问和修改数组中的元素，例如：
a = np.array([1, 2, 3, 4, 5]) # 创建一维数组
print(a[0]) # 输出: 1 打印数组中的第1个元素
print(a[1:3]) # 输出: [2 3] 打印数组中的第2个和第3个元素
b = np.array([[1, 2, 3], [4, 5, 6]]) # 创建二维数组
print(b[0, 1]) # 输出: 2 打印数组中的第1行第2列元素
print(b[:, 1]) # 输出: [2 5] 打印数组中的第2列所有元素
4. NumPy数组的运算
NumPy数组支持许多数学运算和函数，例如：
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
c = a + b # 数组的加法
print(c) # 输出: [5 7 9]
d = a * 2 # 数组的乘法
print(d) # 输出: [2 4 6]
e = np.dot(a, b) # 数组的点积
print(e) # 输出: 32
f = np.sin(a) # 数组的正弦函数
print(f) # 输出: [0.84147098 0.90929743 0.14112001]
以上就是NumPy数组的基础知识介绍，示例说明中包括从列表元组创建、特殊函数创建、数组属性、索引和切片、运算等内容。希望本篇攻略能够对你有所帮助！