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：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！