(相关资料图)

概述

NumPy是一个开源的科学计算库，它提供了高效的数值计算和数组操作功能，主要包括：

• 多维数组的创建、操作和索引。
• 数组的切片、拼接和转置。
• 数组的乘法、除法、求导、积分、对数等基本运算。
• 数组的逐元素操作、求平均值、中位数、众数等统计量。
• 数组作为列表、元组等数据类型进行传递和返回。
• 与其他数学库（如Matplotlib）的兼容性，使得可以方便地使用NumPy计算结果。
• 拥有高效的向量化算法，例如暴力搜索和插值等。
• 提供了简单和高级的线性代数函数，例如向量积和矩阵乘法等。

目录

1. 数组简介在NumPy中，数组是最核心的概念，用于存储和操作数据。NumPy数组是一种多维数组对象，可以存储相同类型的元素，它支持高效的数学运算和线性代数操作。

2. 基础操作numpy作为一个强大的数值计算库，提供了对多维数组的很多便捷操作。承接上一篇数组的创建，本篇主要介绍一些数组的基本操作。

3. 通用计算numpy提供了简单灵活的接口，用于优化数据数组的计算。通用计算最大的优势在于通过向量化操作，将循环推送至numpy之下的编译层，从而取得更快的执行效率。

numpy的通用计算让我们计算数组时就像计算单独一个变量一样，不用写循环去遍历数组中的各个元素。

4. 聚合计算本篇介绍的聚合计算一般是针对单个数据集的各种统计结果，同样，使用聚合函数，也可以避免繁琐的循环语句的编写。

5. 广播计算numpy的广播计算是指在多维数组上进行的一种高效计算方式。它可以将计算任务分配到每个维度上，并且可以在计算过程中进行数据共享和同步，从而提高计算效率和精度。

广播计算在数值计算、科学计算、机器学习等领域都有广泛的应用。例如，在数值计算中，广播计算可以用于求解大规模的非线性方程组；在科学计算中，广播计算可以用于模拟和预测自然现象；在机器学习中，广播计算可以用于分布式训练和推理等场景。

6. 数组过滤在numpy中，数组可以看作是一系列数值的有序集合，可以通过下标访问其中的元素。处理数组的过程中，经常需要用到数组过滤功能。

过滤功能可以在处理数据时非常有用，因为它可以使数据更加干净和可读性更强。例如，在进行数据分析时，通常需要去除异常值，过滤掉不必要的元素可以使数据更加易于分析和处理。

7. 数组索引数组索引是指在numpy数组中引用特定元素的方法。numpy的数组索引又称为fancy indexing，比其他编程语言的索引强大很多。

8. 数组排序numpy数组通常是用于数值计算的多维数组，而排序功能可以快速、准确地对数据进行排序，从而得到更加清晰、易于分析的结果。

在数据分析和处理过程中，常常需要对数据进行排序，以便更好地理解和发现其中的规律和趋势。

9. 结构化目前为止，介绍的numpy数组基本都是关于数值的，其实，numpy本身就是一个用于数值计算的基础库。

不过，除了数值计算之外，numpy也能够支持结构化数组。