added numpy quick start

README.md

@@ -19,9 +19,41 @@ In diesem GitLab Repo finden Sie:
 - Requirements (`requirements.txt`): Beschreibt die pip-Umgebung, nicht relevant für die Ausarbeitung
 - Matplotlib Style (`FST.mplstyle`): Einstellung für Matplotlib nach der FST-Institut-Vorschrift
 
+### Numpy Quick Start Quide
+`numpy.ndarray` ist eine sehr effiziente Datenstruktur im Python-Package `numpy`, die von Datenwissenschaftlern jeden Tag gebraucht wird. Einige Beispiele werden hier gezeigt.
+
+Initializierung von `numpy.ndarray`:
+```python
+import numpy as np
+
+a = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
+```
+Anders als `list` müssen die Elemente im `ndarray` von gleichen Typen (zum Beispiel `float64`) sein. Und das Array muss wie eine Matrix in der Mathematik aussehen. Das heißt, die Anzahl der Elemente bei jeder Spalte bzw. Zeile gleich ist.
+
+`numpy.ndarray` erleichert die mathematische Berechnung:
+```python
+# Assuming that each element in "a" is the radius of a circle,
+# the area of each circle can be calculated in this way.
+area = np.pi * a ** 2
+# Print the array.
+print(area)
+# Print a element in the array.
+print(area[0, 3])
+```
+Es ist möglich, Statistik des Arrays durch Build-in Funktionen von `numpy` zu brechen.
+```python
+a_mean = a.mean()
+print(a_mean)
+# Calculate the average of each column.
+a_mean_first_dimension = a.mean(0)
+print(a_mean_first_dimension)
+```
+
 ### Links
 Mehr Infomationen über die Datenstruktur sind in der [README.md](https://git.rwth-aachen.de/fst-tuda/public/lehre/calorimetry_home/-/blob/main/README.md) des Küchentischversuches zu finden.
 
+[NumPy: the absolute basics for beginners](https://numpy.org/doc/stable/user/absolute_beginners.html)
+
 [h5py Quick Start Guide](https://docs.h5py.org/en/stable/quick.html)
 
 [NumPy Fundamentals](https://numpy.org/doc/stable/user/basics.html)