In diesem Abschnitt beginnen wir mit den Grundlagen, indem wir die NumPy-Bibliothek in unsere Arbeit einbinden und anschließend unsere ersten NumPy-Arrays erstellen. Bekannt für ihre Rolle bei der Ermöglichung robuster numerischer Berechnungen in Python, sind NumPy-Arrays mehrdimensionale Arrays, die in puncto Effizienz herausragen. Obwohl sie Ähnlichkeiten mit der nativen Listenstruktur in Python aufweisen, bringen NumPy-Arrays bestimmte Einschränkungen mit sich, die sie von Listen unterscheiden:

• NumPy-Arrays zeichnen sich durch eine feste Größe aus, was sie von Listen unterscheidet, die dynamisch verändert werden können;

• Außerdem erzwingen sie einen einheitlichen Datentyp über alle Elemente hinweg, was bedeutet, dass ein NumPy-Array Elemente des gleichen Typs enthalten muss (z. B. ausschließlich ganze Zahlen oder Gleitkommazahlen).

Diese Beschränkungen machen NumPy-Arrays besonders geeignet für spezifische Operationen, insbesondere für elementweise Operationen wie Addition und Multiplikation.

Aufgrund ihrer Fähigkeit, umfangreiche Datensätze effizienter zu verarbeiten als herkömmliche Listen oder Datenstrukturen, sind NumPy-Arrays zu einem unverzichtbaren Bestandteil im Bereich des wissenschaftlichen Rechnens und der Datenanalyse geworden, der es den Nutzern ermöglicht, umfassende Operationen an großen Datensätzen mühelos durchzuführen.