Python：NumPy

Numpy 是什么？

NumPy（Numerical Python的缩写）

• 一个开源的 Python 科学计算库
• 使用 Numpy 可以方便的使用数组、矩阵进行计算.包含线性代数、傅里叶变换、随机数生成等大量函数

它提供了一个强大的N维数组对象（ndarray），用于存储和处理大型数据集，以及用于操作这些数组的各种工具。NumPy最初由Travis Olliphant于2005年创建，旨在提供一种Python中的替代方法，以便更轻松地执行数学、科学和工程计算任务。由于其易于使用、广泛的应用和活跃的社区支持，NumPy已成为Python生态系统中最重要的库之一。

为什么使用 Numpy ?

对于同样的数值计算任务，使用 Numpy 比直接编写 Python 代码实现，优点：

• 代码更简洁： Numpy 直接以数组、矩阵为粒度计算并且支持大量的数学函数，而 Python 需要用 for 循环从底层实现；
• 性能更高效： Numpy 的数组存储效率和输入输出计算性能，比 Python 使用 List 或者嵌套 List 好很多；
• 注：( Numpy 的数据存储和 Python 原生的 List 是不一样的）
• 注： Numpy 的大部分代码都是 C 语言实现的，这是 Numpy 比纯 Python 代码高效的原因；

 Numpy 是 Python 各种数据科学类库的基础库

• 比如 SciPy 、 Scikit - Learn 、 Tensorflow 、 PaddlePaddle 等
• 如果不会 Numpy ，这些库的深入理解都会遇到障碍

NumPy提供了许多用于创建、操作和转换数组的函数，例如：

1. array：创建一维或二维数组对象。
2. arange：创建指定范围内的数组。
3. linspace：创建等差数列。
4. ones：创建值全为1的数组。
5. zeros：创建值全为0的数组。
6. empty：创建一个数组，数组的初始值是不确定的。
7. full：创建一个数组，形状和填充值由参数指定。

NumPy最常用于以下几个领域：

• 向量化操作：NumPy支持向量化操作，可以在数组上执行相同的操作，而无需使用显式的循环。这种向量化操作利用了底层的优化实现，避免了Python解释器的开销，从而提高了执行速度。相比之下，原生Python需要逐个元素进行循环操作，效率较低。
• 内存管理：NumPy的数组是连续存储在内存中的，可以通过直接引用内存块来进行计算，避免了Python中对象引用的开销。这种连续存储和引用的方式在内存访问上更加高效，可以提升计算速度。而原生Python的列表是由多个对象组成，每个对象都需要额外的内存来存储元素信息和引用，导致内存占用更大。
• 底层优化：NumPy的底层实现使用了C语言，其中许多关键操作都是通过高效的数据结构和算法来实现的，从而提高了计算性能。

怎样安装 Numpy ?

如果安装的是 anaconda ，则自带了 numpy :

Anaconda 是 Python 最流行的一个已经集成了非常多类库的安装包
不论是学习、实验、线上部署
Anaconda 当前都是使用 Python 的首选安装环境
官网地址：https://www.anaconda.com/

如果安装的是官网的 Python ，则可以用 pip 安装 Numpy 

在命令行下使用 pip install numpy 即可安装
验证是否安装了 Numpy ，
进入 Python 命令行输入 import numpy as np ，如果没报错则安装成功