【Numpy第一讲】如何生成矩阵，如何对矩阵进行加减乘除

该博客为本人自学自编的笔记，主要介绍了Numpy部分用处，这是第一篇Numpy文章

Numpy库的简介

Numpy是一个强大的Python库，用于进行科学计算，它可以处理矩阵和很多数据。

1. 多维数组对象：在Numpy中，最核心的部分就是它的多维数组对象，或者叫做ndarray。这个数组允许你存储同类型的数据集合，可以是一维（比如一行数字）、二维（比如一个表格或矩阵）、甚至是更高维度的数据结构。使用这种结构，我们可以非常高效地进行数学和逻辑运算。
2. 处理工具：Numpy不仅提供了多维数组对象，还提供了大量的函数和操作，可以很方便地进行数学计算、数组操作（比如切片、索引、迭代）、线性代数运算、随机数生成等等。使得Numpy成为了科学计算、数据分析、机器学习等领域不可或缺的工具。

如果你打算在Python中进行任何形式的科学计算或数据分析，学习Numpy几乎是必须的一步。

创建矩阵

通过已有的列表，建立一个多维数组

import numpy as np
#根据两组列表，创建一个二维数组
matrix = np.array([[1, 2, 3], [4, 5, 6]])

在这个代码中，根据两组列表，通过 np.array() 函数将他们创建成了一个二维数组。
$$\left[\begin{array}{ccc}1& 2& 3\\ 4& 5& 6\end{array}\right]$$
此外，只要是能够有序列表示的类型，都可以通过这个函数创建多维数组，元组同样可以用于创建多维数组。

直接创建数组

创建全0矩阵

import numpy as np
#创建一个3*3全为0的矩阵
zeros_matrix = np.zeros((3, 3))

在这个代码中，通过 np.zeros() 函数，创建了一个长宽均为3的全0矩阵。
$$\left[\begin{array}{ccc}0& 0& 0\\ 0& 0& 0\\ 0& 0& 0\end{array}\right]$$

创建全1矩阵

import numpy as np
#创建一个3*3全为1的矩阵
ones_matrix = np.ones((3