NumPy是Python中用于科学计算的基本包。它是一个Python库，提供多维数组对象、各种派生对象(如掩码数组和矩阵)，以及一系列用于快速操作数组的例程，包括：数学、逻辑、形状操作、排序、选择、I/O、离散傅里叶变换、基本线性代数、基本统计操作、随机模拟 等等。

NumPy 包的核心是 ndarray 对象。这它封装了相同数据类型的n维数组，为了提高性能，许多操作都是在编译后的代码中执行。NumPy数组 和 标准Python序列 之间有几个重要的区别:

• NumPy 数组在创建时具有固定大小，与 Python 列表不同 （可以动态增长）。更改 ndarray 的大小将 创建新阵列并删除原始阵列。
• NumPy 数组中的元素都需要相同 数据类型，因此在内存中的大小将相同。例外情况： 可以有（Python，包括NumPy）对象的数组，从而 允许不同大小的元素数组。
• NumPy数组有助于高级数学和其他类型的 对大量数据进行操作。通常，此类操作是 执行效率更高，代码更少，比使用 Python 的内置序列。
• 越来越多的基于Python的科学和数学 包使用 NumPy 数组;虽然这些通常支持 python序列输入，它们在之前将此类输入转换为NumPy数组 进行处理，并且它们经常输出 NumPy 数组。换句话说， 为了有效地利用当今的大部分（甚至大部分） 基于Python的科学/数学软件，只知道如何 使用 Python 的内置序列类型是不够的 - 一个也 需要知道如何使用 NumPy 数组。

安装 Numpy

方法 1：pip install numpy

方法2：使用 Anaconda ( https://www.anaconda.com/products/distribution ) - 它包括 Python，NumPy和许多其他常用的科学计算包 和数据科学。

仅供个人学习参考/导航指引使用，具体请以第三方网站说明为准，本站不提供任何专业建议。如果地址失效或描述有误，请联系站长反馈～感谢您的理解与支持！

链接: https://web.fly63.com/nav/4005