变成这样：
比喻：三维数组（3D
array）就像有多个书架的房间。
library
=
np.array([
[
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）。
NumPy
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
=
np.char.upper(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：NumPy
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
NumPy
数组的结构？比如
Excel
表格、仓库货架、电影分类系统？NumPy
的强大之处就在于，它能让我们轻松管理和计算这些数据！
第493章 Numpy多维数组，一个故事解释[2/2页]