用途：在 NumPy 数值计算中提供最佳实践，覆盖数组、广播、线性代数与随机采样。
主要能力与用法： 数组：创建时显式指定 dtype（如 np.float64、np.int32）；优先使用 np.zeros、np.ones、np.empty、np.arange、np.linspace，而非基于列表构造；用结构化数组或分离数组替代对象数组。 向量化：尽量用向量化 NumPy 操作替代 Python 循环；利用广播规则处理不同形状数组而无需显式扩展；条件逐元素操作用 np.where()。 内存：精度不关键时用 np.float32 替代 np.float64 以减半内存；数据不需修改时用视图（reshape、切片）替代副本；数组过大无法放入内存时用 np.memmap。 随机：使用 np.random.default_rng(seed)（新 Generator API）替代 np.random.seed()；测试中始终为随机生成器设种子以保证可复现。
限制与陷阱：不要用 == 比较浮点数，应使用 np.allclose() 或 np.isclose()；注意整数数组的静默溢出；避免使用已弃用的 np.matrix，改用二维 np.ndarray。
适用场景：使用 NumPy 进行数组运算、广播、线性代数与随机采样时应用本技能。