NumPy介绍

NumPy是用Python进行科学计算的基础包。它本质上就是一个Python库，提供了多维数组对象，各种派生对象（掩码数组和矩阵），一系列快速操作数组的方法。Numpy的核心是ndarray类型，它封装了n维同类型数据构成数组，还有很多相关操作，这些操作的代码是经过编译的，用来提高运算效率。

ndarray类型 vs 标准Python序列类型

ndarray对象创建后其大小/尺寸是固定的，不像列表对象（可以动态增长），如果对ndarray进行大小修改，会创建出一个新的ndarray对象，然后将原来的删除。

ndarray对象中的元素必须要求是同种类型的，从而它们在内存中占用的空间是一样的。

ndarray对象有利于对大量数据进行数学计算和其他操作，通常来说，相比使用Python内置的序列类型，这些操作会更加高效，所需的代码量也更少。

NumPy vs Python vs C

考虑这样一个问题，有两个相同长度的一维数组a和b，现在要将它们对应位置上的元素相乘，构成一个新的数组。
使用传统的Python：

c = []
for i in range(len(a)):
    c.append(a[i] * b[i])
# 想更加有 Python 味道一点，直接用列表推导
c = [a[i] * b[i] for i in range(len(a))]

使用高效率的C：

// length 需要告知
double c = (double*)malloc(length * sizeof(double))
for(int i=0; i<length; i++){
    c[i] = a[i] * b[i];
}
...
// c 不再使用了记得 free(c)

如果数组的类型是ndarray，那么，借助NumPy：

c = a * b

从代码上看：其中使用原生Python和借助NumPy的两类代码是最简单的，C语言要考虑太多东西了，动态内存分配问题，变量声明和初始化问题……如果问题逻辑再更加复杂一些，C语言编写的代码可读性相对会差很多。从运行效率上看：原生Python的时间主要浪费在向列表中动态添加数据。C语言效率最高肯定没话说，但是NumPy的底层也是用C语言实现的，效率不会相差太多。

综合比较上面三种计算方式，使用NumPy是一种非常靠谱的选择。

• 代码更加简单易读，与标准的数学计算形式一致，更少的代码意味着更少的错误。
• 底层的具体细节已经用C语言写好了，优雅却又不失速度。

  NumPy安装

  NumPy的本质就是一个Python包，可以通过pip来进行快速安装。

直接打开终端输入下面的命令：

sudo python3 -m pip install numpy

安装完成后，可以在交互的解释器环境下测试一下：