什么是NumPy

　　NumPy是Python中可用的开源库，有助于数学、科学、工程和数据科学编程。它是一个非常有用的库，可以在Python中执行数学和统计运算。它非常适用于多维数组和矩阵乘法。它很容易与C/C++和Fortran集成。对于任何科学项目，NumPy都是了解的工具。它已被构建用于处理N维数组、线性代数、随机数、傅里叶变换等。

　　NumPy是一种处理多维数组和矩阵的编程语言。在数组和矩阵之上，NumPy支持大量的数学运算。

　　NumPy代表Numerical Python，是一个由多维数组对象和处理这些数组的例程集合组成的库。使用NumPy，可以对数组执行数学和逻辑运算。本教程解释了NumPy的基础知识，例如其架构和环境。它还讨论了各种数组函数、索引类型等。还提供了对Matplotlib的介绍。所有这些都在示例的帮助下进行了解释，以便更好地理解。

使用NumPy的操作

　　使用NumPy，开发人员可以执行以下操作-

对数组的数学和逻辑运算。
用于形状操作的傅里叶变换和例程。
与线性代数相关的运算。NumPy具有用于线性代数和随机数生成的内置函数。

　　推荐：Python中使用文件I/O操作

选择NumPy的好处

　　由于您已经了解Python，您可能会问自己是否真的必须学习一种全新的范式才能进行数据科学。Python的for循环很棒！读取和写入CSV文件可以使用传统代码完成。然而，有一些令人信服的论据来学习一种新的范式。

　　矢量化描述了代码中没有任何显式循环、索引等-当然，这些事情只是在优化的、预编译的C代码中“在幕后”发生。矢量化代码有很多优点，其中包括：

　　以下是NumPy可以为您的代码带来的四大好处：

更快的速度：NumPy使用用C语言编写的算法，可以在纳秒而不是几秒内完成。
更少的循环：NumPy可帮助您减少循环并避免纠缠于迭代索引。
更清晰的代码：没有循环，你的代码看起来更像你试图计算的方程。
更好的质量：有成千上万的贡献者致力于保持NumPy的快速、友好和无错误。

　　由于这些优点，NumPy 是Python数据科学中多维数组的事实上的标准，许多最流行的库都建立在它之上。当您将知识扩展到更具体的数据科学领域时，学习 NumPy 是打下坚实基础的好方法。

矢量化代码更简洁，更易于阅读
更少的代码行通常意味着更少的错误
代码更接近标准数学符号（通常更容易正确编码数学结构）
矢量化导致更多“ Pythonic ”代码。如果没有矢量化，我们的代码将充满低效且难以阅读的for循环。

　　推荐：零基础如何开始学习Python

谁使用NumPy

　　NumPy完全支持面向对象的方法，再次从ndarray开始。例如，ndarray是一个类，拥有许多方法和属性。它的许多方法都由最外层NumPy命名空间中的函数镜像，允许程序员以他们喜欢的任何范例进行编码。这种灵活性使得NumPy数组方言和NumPyndarray类成为Python中使用的多维数据交换的事实语言。

NumPy–MatLab的替代品

　　NumPy通常与SciPy（科学Python）和Matplotlib（绘图库）等软件包一起使用。这种组合被广泛用作流行的技术计算平台MatLab的替代品。然而，MatLab的Python替代品现在被视为一种更现代、更完整的编程语言。