文章目录
- 1.Numpy用途
- 2.Numpy特点
- 3.学习网址
- 4.安装
- 5.Numpy数组
- 6.引入库
1.Numpy用途
NumPy是Python进行数据处理的底层库，是高性能科学计算和数据分析的基础。作为科学计算的核心库，NumPy 是 Pandas、Scikit-learn和SciPy等库的基础。
NumPy这个词来源于两个单词-- Numerical和Python，读作['nʌmpi]。
Numpy支持高级的数组与矩阵运算，此外也针对数组运算提供了大量的数学函数库，包括线性代数运算、傅立叶变换和随机数生成等。
NumPy是一个非常高效的用于处理数值型运算的包。NumPy提供了大量的库函数和操作，可以帮助程序员轻松地进行数值计算。在数据分析和机器学习领域被广泛使用。
2.Numpy特点
Numpy有以下几个特点：
1、numpy内置了并行运算功能，当系统有多个核心时，做某种计算时，numpy会自动做并行计算。
2、Numpy底层使用C语言编写，内部解除了GIL（全局解释器锁），其对数组的操作速度不受Python解释器的限制，效率远高于纯Python代码。
3、有一个强大的N维数组对象Array（一种类似于列表的东西）。
4、实用的线性代数、傅里叶变换和随机数生成函数。
3.学习网址
numpy中文文档：https://www.numpy.org.cn/user/quickstart.html
菜鸟教程：https://www.runoob.com/numpy/numpy-tutorial.html
遇到不懂的问题随时查阅图书或百度。
4.安装
如果没有安装NumPy，可以在Windows系统的cmd窗口中执行如下命令安装：
pip install numpy5.Numpy数组
Numpy提供了ndarray（n-dimensional[daɪˈmenʃənl] array,n维数组）结构，一般简称为“Numpy”数组或“数组”。
NumPy数组和原生Python Array（数组）之间有几个重要的区别：
1.NumPy 数组在创建时具有固定的大小，与Python的原生数组对象（可以动态增长）不同。更改ndarray的大小将创建一个新数组并删除原来的数组。
2.NumPy 数组中的元素都需要具有相同的数据类型，因此在内存中的大小相同。
3.NumPy 数组有助于对大量数据进行高级数学和其他类型的操作。通常，这些操作的执行效率更高，比使用Python原生数组的代码更少。
4.越来越多的基于Python的科学和数学软件包使用NumPy数组; 虽然这些工具通常都支持Python的原生数组作为参数，但它们在处理之前会还是会将输入的数组转换为NumPy的数组，而且也通常输出为NumPy数组。换句话说，为了高效地使用当今科学/数学基于Python的工具（大部分的科学计算工具），你只知道如何使用Python的原生数组类型是不够的 - 还需要知道如何使用 NumPy 数组。
6.引入库
在实际运行中，建议在引用numpy时输入以下代码：
import numpy as np将numpy用np代替，以提高Python中代码的可读性和可用性。
