故事比喻：魔法书架与多维数组（nupy
多维数组）
在一个神秘的图书馆里，有一座巨大的魔法书架，它可以整齐地存放、查找、调整和计算大量的书籍。这个书架的排列方式非常特殊，就像
nupy
的多维数组（ndarray），每一层、每一排、每一个格子都有规律可循。
1d
数组：单层书架（nupy
的
1
维数组）
首先，魔法书架的第一层存放着一系列书籍，它们整齐地排成一排。
比喻：一维数组（1d
array）就是一排书。
iport
nupy
as
np
shelf
=
nparray([‘哈利波特’,
‘纳尼亚传奇’,
‘指环王’])
特点：
只有一排，没有更复杂的结构。
你可以用索引快速找到书，比如
shelf[0]
就是
‘哈利波特’。
2d
数组：多层书架（nupy
的
2
维数组）
馆长觉得一排书不够放，于是他增加了第二层书架，现在书架上有多行书，每一行都是一个类别：
书架层
书籍1
书籍2
书籍3
第一层（小说）
哈利波特
纳尼亚传奇
指环王
第二层（科幻）
三体
银河帝国
沙丘
比喻：二维数组（2d
array）就像一个有多层的书架，每一行是一个类别。
shelves
=
nparray([
[‘哈利波特’,
‘纳尼亚传奇’,
‘指环王’],
[‘三体’,
‘银河帝国’,
‘沙丘’]
])
特点：
每一行都是一类书，比如
第一行是小说，第二行是科幻。
shelves[1,
0]
代表
‘三体’，因为
[1]
代表第二层，[0]
代表第一本书。
3d
数组：多排、多层、多书架（nupy
的
3
维数组）
为了存放更多的书，图书馆扩建了一个新的房间，里面有多个这样的书架。现在整个图书馆的结构变成这样：
比喻：三维数组（3d
array）就像有多个书架的房间。
library
=
nparray([
[
第一个书架
[‘哈利波特’,
‘纳尼亚传奇’,
‘指环王’],
[‘三体’,
‘银河帝国’,
‘沙丘’]
],
[
第二个书架
[‘时间简史’,
‘自私的基因’,
‘黑天鹅’],
[‘计算机科学导论’,
‘人工智能原理’,
‘数学之美’]
]
])
特点：
现在有多个独立的书架，每个书架有多层，每层有多本书。
library[1,
0,
2]
代表的是
‘黑天鹅’：
[1]
代表
第二个书架（科普
&
计算机）。
[0]
代表
第一层（科普类书籍）。
[2]
代表
第三本书（黑天鹅）。
nupy
多维数组的强大之处
1
快速查找：就像书架上编号一样，我们可以用索引找到任何一本书，比如
library[1,
0,
2]
直接定位到《黑天鹅》。
2
批量操作：如果我们想一次性把所有书架的书名都改成大写，只需一行代码，而不需要手动翻书：
library
=
npcharupper(library)
3
强大的数学计算能力：假设书架上放的不是书，而是销量数据，我们可以一键计算总销量、平均销量、最高销量等，比传统的循环处理快很多。
总结：nupy
的多维数组就像魔法书架
1d
数组（单排书架）：一排书，按序存放。
2d
数组（多层书架）：有多个层，每一行是一类书。
3d
数组（多个书架）：多个书架，每个书架有多层，每层有多本书。
思考：你生活中还有哪些类似
nupy
数组的结构？比如
excel
表格、仓库货架、电影分类系统？nupy
的强大之处就在于，它能让我们轻松管理和计算这些数据！