numpy

NumPy系統是Python的一種開源的數值計算擴展。這種工具可用來存儲和處理大型矩陣，比Python自身的嵌套列表（nested list structure)結構要高效的多（該結構也可以用來表示矩陣（matrix））。

基本介紹

• 外文名：numpy
• 含義：Python的一種開源的科學計算庫
• 內容：提供和處理N維數組對象Array
• 用途：科學計算，數據分析

Numpy介紹

一個用python實現的科學計算，包括：1、一個強大的N維數組對象Array；2、比較成熟的（廣播）函式館；3、用於整合C/C++和Fortran代碼的工具包；4、實用的線性代數、傅立葉變換和隨機數生成函式。numpy和稀疏矩陣運算包scipy配合使用更加方便。

NumPy（Numeric Python）提供了許多高級的數值編程工具，如：矩陣數據類型、矢量處理，以及精密的運算庫。專為進行嚴格的數字處理而產生。多為很多大型金融公司使用，以及核心的科學計算組織如：Lawrence Livermore，NASA用其處理一些本來使用C++，Fortran或Matlab等所做的任務。

數據類型ndarray

NumPy provides an N-dimensional array type, the ndarray, which describes a collection of “items” of the same type.

NumPy提供了一個N維數組類型ndarray，它描述了相同類型的“items”的集合。

ndarray到底跟原生python列表的區別：

從圖中我們可以看出ndarray在存儲數據的時候，數據與數據的地址都是連續的，這樣就給使得批量運算元組元素時速度更快。

這是因為ndarray中的所有元素的類型都是相同的，而Python列表中的元素類型是任意的，所以ndarray在存儲元素時記憶體可以連續，而python原生list就只能通過定址方式找到下一個元素，這雖然也導致了在通用性能方面Numpy的ndarray不及Python原生list，但在科學計算中，Numpy的ndarray就可以省掉很多循環語句，代碼使用方面比Python原生list簡單的多。

numpy內置了並行運算功能，當系統有多個核心時，做某種計算時，numpy會自動做並行計算。

Numpy底層使用C語言編寫，內部解除了GIL（全局解釋器鎖），其對數組的操作速度不受Python解釋器的限制，效率遠高於純Python代碼。

ndarray的屬性：

生成數組的方法：

empty(shape[, dtype, order])

empty_like(a[, dtype, order, subok])

eye(N[, M, k, dtype, order])

identity(n[, dtype])

ones(shape[, dtype, order])

ones_like(a[, dtype, order, subok])

zeros(shape[, dtype, order])

zeros_like(a[, dtype, order, subok])

full(shape, fill_value[, dtype, order])

full_like(a, fill_value[, dtype, order, subok])