Python-ML库简介

NumPy，Python科学计算的基础软件包

NumPy（Numerical Python的简称）是Python的一个开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表结构要高效的多，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

NumPy的主要特点包括：

1. 一个强大的N维数组对象ndarray：它封装了python原生的同数据类型的n维数组，为了保证其性能优良，其中有许多操作都是代码在本地进行编译后执行的。ndarray对象是用于存放同类元素的多维数组，可以作为数组元素的数据类型包括字节型、字符串、整型等。ndarray对象具有矢量算术运算和复杂函数广播能力，并具有快速且节省空间的特点。
2. 广播功能：这是NumPy对不同形状数组进行数值计算的方式，对数组的算术运算通常在相应的元素上进行。如果两个数组a和b形状相同，即它们具有相同数量的维度，且每一维度的大小相同，那么a和b之间的任何操作都会将对应的元素组合起来。
3. 高效且节省空间：NumPy的数组是一个更高效的数据存储和处理方式，这一点主要体现在与Python原生list相比时。Python的list是一个动态类型，会存储额外的类型信息还有指针，所以比较占空间。NumPy在实际存储数据时只存储数据和非常有限的数据类型信息，在数组比较大的时候就可以节省很多内存空间。
4. 高效的底层代码：NumPy很多运算（如：矩阵乘法、矩阵转置、矩阵的逆、选择、统计）等底层其实都是用C语言实现的，Python只是负责调用。这样在计算密集型任务中，NumPy的计算效率要远高于纯Python代码。
5. 线性代数：NumPy包含大量的各种数学运算的函数，从简单的加减乘除到高级的数学函数都有，只涉及到数学、算法、逻辑运算的场合，NumPy都可以派上用场。
6. 随机数生成：NumPy还提供了各种统计功能，比如随机数生成，还有正态分布、均匀分布、泊松分布等等，方便进行统计分析。

总的来说，NumPy是Python中科学计算的基础软件包，广泛应用于数据分析、机器学习、科学计算等领域。