NumPy：数组就是向量 · Python 编程

为什么列表还不够：拿 Python 列表算 [1,2,3] + [4,5,6]，得到的是拼接 [1,2,3,4,5,6]，而不是逐元素相加！科学计算需要「真正的数组」，这就是 NumPy：

import numpy as np
a = np.array([1, 2, 3])
print(a * 2)

a * 2 得到 [2, 4, 6]——整个数组一起算，不用写循环。

数组就是向量：学数学时向量写成 $(x_{1}, x_{2}, x_{3})$ ，就是「一排有顺序的数」——NumPy 数组正是它。表格是矩阵（二维数组），一张彩色图片是三维数组（高×宽×颜色通道）。深度学习的「张量」，说白了就是 NumPy 数组的 GPU 加强版。

d2l 的第一课就是它：《动手学深度学习》预备知识章第一节讲 ndarray——形状（shape）、逐元素运算、按轴求和。你在这里学会的 np.array、.shape、.sum()，和书里的写法几乎一一对应（PyTorch 的 tensor 模仿 NumPy 设计）。

广播机制很妙：a + 1 会给每个元素加 1，不用把 1 复制三份——NumPy 自动「广播」。这既是效率神器，也是 d2l 代码里最常见的写法。

常见误区：用 for 循环逐个元素算 NumPy 数组。那样又慢又绕——向量化（整个数组一把算）才是 NumPy 的灵魂，速度快几十倍。

练一练：用 np.array 存全家身高（米），一行代码乘 100 变成厘米，再用 .mean() 算平均身高。