为了有效运用线性代数的知识，尤其是在处理机器学习 (machine learning)中使用的向量 (vector)和矩阵等数据结构时，我们需要高效的计算工具。本章将介绍 NumPy（Numerical Python），它是 Python 中进行数值计算的核心库。

NumPy 提供了一个强大的N维数组（ndarray）对象，它是表示向量、矩阵和更高维度数据结构的主要方式。其优化的例程使数值运算比使用标准 Python 列表快得多，这在处理大型数据集时非常重要。

在本章中，你将熟悉以下内容：

• NumPy 的核心 ndarray 对象。
• 创建 NumPy 数组的方法（从列表创建，使用 zeros、ones、arange 等函数）。
• 通过索引和切片访问和修改数组数据的技巧。
• 对数组执行基本的元素级算术运算。
• 理解数组的重要属性（例如 shape、size、dtype）以及如何改变数组的形状。

我们将通过实际例子来巩固这些知识点，让你在创建和操作 NumPy 数组方面获得实际经验。这为在后续章节中实现线性代数运算提供了实际操作的支持。