故事比喻：魔法書架與多維數組（numpy 多維數組）
在一個神秘的圖書館裏，有一座巨大的魔法書架，它可以整齊地存放、查找、調整和計算大量的書籍。這個書架的排列方式非常特殊，就像 numpy 的多維數組（ndarray），每一層、每一排、每一個格子都有規律可循。
1d 數組：單層書架（numpy 的 1 維數組）
首先，魔法書架的第一層存放著一係列書籍，它們整齊地排成一排。
比喻：一維數組（1d array）就是一排書。
import numpy as np
shelf = np.array([‘哈利波特’, ‘納尼亞傳奇’, ‘指環王’])
? 特點：
? 隻有一排，沒有更複雜的結構。
? 你可以用索引快速找到書，比如 shelf[0] 就是 ‘哈利波特’。
2d 數組：多層書架（numpy 的 2 維數組）
館長覺得一排書不夠放，於是他增加了第二層書架，現在書架上有多行書，每一行都是一個類別：
書架層 書籍1 書籍2 書籍3
第一層（小說） 哈利波特 納尼亞傳奇 指環王
第二層（科幻） 三體 銀河帝國 沙丘
比喻：二維數組（2d array）就像一個有多層的書架，每一行是一個類別。
shelves = np.array([
[‘哈利波特’, ‘納尼亞傳奇’, ‘指環王’],
[‘三體’, ‘銀河帝國’, ‘沙丘’]
])
? 特點：
? 每一行都是一類書，比如 第一行是小說，第二行是科幻。
? shelves[1, 0] 代表 ‘三體’，因為 [1] 代表第二層，[0] 代表第一本書。
3d 數組：多排、多層、多書架（numpy 的 3 維數組）
為了存放更多的書，圖書館擴建了一個新的房間，裏麵有多個這樣的書架。現在整個圖書館的結構變成這樣：
比喻：三維數組（3d array）就像有多個書架的房間。
library = np.array([
[ # 第一個書架
[‘哈利波特’, ‘納尼亞傳奇’, ‘指環王’],
[‘三體’, ‘銀河帝國’, ‘沙丘’]
],
[ # 第二個書架
[‘時間簡史’, ‘自私的基因’, ‘黑天鵝’],
[‘計算機科學導論’, ‘人工智能原理’, ‘數學之美’]
]
])
? 特點：
? 現在有多個獨立的書架，每個書架有多層，每層有多本書。
? library[1, 0, 2] 代表的是 ‘黑天鵝’：
? [1] 代表 第二個書架（科普 & 計算機）。
? [0] 代表 第一層（科普類書籍）。
? [2] 代表 第三本書（黑天鵝）。
numpy 多維數組的強大之處
1. 快速查找：就像書架上編號一樣，我們可以用索引找到任何一本書，比如 library[1, 0, 2] 直接定位到《黑天鵝》。
2. 批量操作：如果我們想一次性把所有書架的書名都改成大寫，隻需一行代碼，而不需要手動翻書：
library = np.char.upper(library)
3. 強大的數學計算能力：假設書架上放的不是書，而是銷量數據，我們可以一鍵計算總銷量、平均銷量、最高銷量等，比傳統的循環處理快很多。
總結：numpy 的多維數組就像魔法書架
? 1d 數組（單排書架）：一排書，按序存放。
? 2d 數組（多層書架）：有多個層，每一行是一類書。
? 3d 數組（多個書架）：多個書架，每個書架有多層，每層有多本書。
思考：你生活中還有哪些類似 numpy 數組的結構？比如 excel 表格、倉庫貨架、電影分類係統？numpy 的強大之處就在於，它能讓我們輕鬆管理和計算這些數據！
在一個神秘的圖書館裏，有一座巨大的魔法書架，它可以整齊地存放、查找、調整和計算大量的書籍。這個書架的排列方式非常特殊，就像 numpy 的多維數組（ndarray），每一層、每一排、每一個格子都有規律可循。
1d 數組：單層書架（numpy 的 1 維數組）
首先，魔法書架的第一層存放著一係列書籍，它們整齊地排成一排。
比喻：一維數組（1d array）就是一排書。
import numpy as np
shelf = np.array([‘哈利波特’, ‘納尼亞傳奇’, ‘指環王’])
? 特點：
? 隻有一排，沒有更複雜的結構。
? 你可以用索引快速找到書，比如 shelf[0] 就是 ‘哈利波特’。
2d 數組：多層書架（numpy 的 2 維數組）
館長覺得一排書不夠放，於是他增加了第二層書架，現在書架上有多行書，每一行都是一個類別：
書架層 書籍1 書籍2 書籍3
第一層（小說） 哈利波特 納尼亞傳奇 指環王
第二層（科幻） 三體 銀河帝國 沙丘
比喻：二維數組（2d array）就像一個有多層的書架，每一行是一個類別。
shelves = np.array([
[‘哈利波特’, ‘納尼亞傳奇’, ‘指環王’],
[‘三體’, ‘銀河帝國’, ‘沙丘’]
])
? 特點：
? 每一行都是一類書，比如 第一行是小說，第二行是科幻。
? shelves[1, 0] 代表 ‘三體’，因為 [1] 代表第二層，[0] 代表第一本書。
3d 數組：多排、多層、多書架（numpy 的 3 維數組）
為了存放更多的書，圖書館擴建了一個新的房間，裏麵有多個這樣的書架。現在整個圖書館的結構變成這樣：
比喻：三維數組（3d array）就像有多個書架的房間。
library = np.array([
[ # 第一個書架
[‘哈利波特’, ‘納尼亞傳奇’, ‘指環王’],
[‘三體’, ‘銀河帝國’, ‘沙丘’]
],
[ # 第二個書架
[‘時間簡史’, ‘自私的基因’, ‘黑天鵝’],
[‘計算機科學導論’, ‘人工智能原理’, ‘數學之美’]
]
])
? 特點：
? 現在有多個獨立的書架，每個書架有多層，每層有多本書。
? library[1, 0, 2] 代表的是 ‘黑天鵝’：
? [1] 代表 第二個書架（科普 & 計算機）。
? [0] 代表 第一層（科普類書籍）。
? [2] 代表 第三本書（黑天鵝）。
numpy 多維數組的強大之處
1. 快速查找：就像書架上編號一樣，我們可以用索引找到任何一本書，比如 library[1, 0, 2] 直接定位到《黑天鵝》。
2. 批量操作：如果我們想一次性把所有書架的書名都改成大寫，隻需一行代碼，而不需要手動翻書：
library = np.char.upper(library)
3. 強大的數學計算能力：假設書架上放的不是書，而是銷量數據，我們可以一鍵計算總銷量、平均銷量、最高銷量等，比傳統的循環處理快很多。
總結：numpy 的多維數組就像魔法書架
? 1d 數組（單排書架）：一排書，按序存放。
? 2d 數組（多層書架）：有多個層，每一行是一類書。
? 3d 數組（多個書架）：多個書架，每個書架有多層，每層有多本書。
思考：你生活中還有哪些類似 numpy 數組的結構？比如 excel 表格、倉庫貨架、電影分類係統？numpy 的強大之處就在於，它能讓我們輕鬆管理和計算這些數據！