NumPy 百题斩：100 道开源练习免费刷，零门槛上手
学 NumPy 最怕“看懂了但不会用”。100 NumPy Exercises 把数组操作、索引、广播、变形整理成一百道小而密的练习题，每题配参考答案。仓库完全免费、克隆即学、无需注册，英文题目但函数名即提示，照着敲就能巩固。它常被当作数据科学岗前自检的刷题本，适合边做边查漏。
它解决什么问题
看文档觉得都会，一上手写数组操作就卡壳。
面试前想快速过一遍 NumPy 高频写法，缺针对性题库。
自学没有反馈，不知道自己哪类索引还没掌握。
核心能力
| 能力 | 具体能做到什么 |
|---|---|
| 百题覆盖 | 从创建数组到高级索引、广播，题型分布均衡 |
| 附答案 | 每题都有参考答案，卡住可直接对照思路 |
| 即克隆 | git clone 就能本地跑，不依赖任何在线平台 |
| 渐进难度 | 前面热身后面进阶，可只挑薄弱题型刷 |
| 中英友好 | 英文题干短，函数名即线索，门槛不高 |
| 可改题 | 开源允许你增删题目，做成自己的练习册 |
它用“先卡住再给答案”的方式把数组直觉练出来
这套题的核心价值不在题量，而在节奏：每道题都逼你先想清楚 NumPy 的向量化写法，而不是退回 Python 循环。比如让你用 reshape、argsort、布尔索引去解决一个具体问题，做完才看答案对照更优解。这种“被迫动脑”的过程，正是把文档里的零散知识缝成肌肉记忆的关键，比单纯阅读高效得多。
使用上建议限时自测，再回头读答案里更 Pythonic 的写法。要注意部分进阶题涉及广播规则与内存视图，答案可能不止一种，挑能讲清理由的记。离线方面，整个仓库 git clone 后即可无网刷题，但首次跑参考答案需要本地装好 numpy。它和 pandas 练习集是互补的两条线：先夯实数组，再练表格数据。
同类工具怎么选
| 工具 | 授权 | 差别在哪 |
|---|---|---|
| Pandas 练习集 | 开源免费 | 同作者的表格数据练习，适合在 NumPy 之后衔接。 |
| NumPy 官方教程 | 开源免费 | 系统讲概念，但缺这种高密度刷题的自测感。 |
| Kaggle Learn | 免费闭源 | 交互式学 NumPy，免装环境，但题量不如这套密。 |
谁适合用
- 准备数据科学面试、想突击 NumPy 写法的求职者
- 刚学完 NumPy 基础、需要大量练习巩固的自学者
- 带实训课的老师，可直接拿题目当课堂作业
怎么开始
- 在 GitHub 上找到仓库，git clone 到本地。
- 打开 100_Numpy_exercises_with_solutions.ipynb。
- 先盖住答案，每题自己写一遍再展开对照。
- 把常错的索引、广播类题目标记，集中二刷。
- 装好 numpy 后本地跑参考答案，确认环境无误。
常见问题
要付费吗？
完全免费。仓库开源，克隆和打印都不收费，也没有隐藏额度。
要注册吗？
不用。GitHub 上直接看，克隆也不用登录（匿名克隆即可）。
有中文吗？
题目是英文，但短且函数名即提示；社区有中文整理版可作辅助。
和 pandas 练习冲突吗？
不冲突。它专攻数组层，pandas 练表格层，建议先 NumPy 再 pandas。
授权与合规
100 NumPy Exercises 以 MIT 协议开源，题目与答案都在 GitHub，可自由克隆与分享。 官网：github.com/rougier/numpy-100。
继续找同类资源
这条属于「学习资料」栏目，同栏目还有更多可直接使用的免费资源，可以在 学习资料全部资源 里按需翻阅。
相关资源
同栏目下这几条也常被一起翻到：
↓ 获取资源
点击按钮直接前往资源页面。
