厉害了，numpy！！！

几乎所有使用Python处理分析数据的人都用过Pandas，因为实在太方便了，就像Excel一样，但你知道Pandas是基于Numpy开发出来的吗?

Pandas和Numpy的关系类似于国产安卓系统和原生安卓，Numpy提供底层数据结构和算法，搭配数据面板的分析模式，缔造了Pandas。

某种意义上来说，Numpy是Python数据科学领域金字塔尖的库。

有人这样问过。这并不让人意外，虽然Numpy没有Pandas知名度高，但Numpy的性能之强大、应用之广会让很多人咋舌，甚至Numpy的论文登上了Nature杂志。

❝

阅读和下载地址：https://www.nature.com/articles/s41586-020-2649-2

❞

不清楚底细的人可能会问，到底什么是Numpy?

Numpy是专门用于多维数组和矩阵计算的Python库，Numpy的强大不在于有多少函数方法，而在于其多维数组和矩阵的计算能力和运行效率。

众所周知的商业软件matlab，也是基于多维数组和矩阵计算。

多维数组和矩阵计算最主要的特点是快，非常快。

知道线性代数吧，为了提高性能，有专门的线性代数库（如BLAS、LAPACK、Intel MKL等）对底层的矩阵运算进行了高度优化。

另外，CPU、GPU这些硬件对矩阵运算有很好的支持。

比如说，GPU具有大量的并行处理核心，非常适合执行大规模的矩阵运算。通过使用CUDA或OpenCL等技术，可以充分发挥GPU的并行计算能力。
在Numpy创建和使用多维数组很简单，使用array方法即可。
除了多维数组和矩阵计算，从Numpy本身来说，它以下4大特点确保了它的重要地位：

1、可以和Pandas等多种库进行交互

2、拥有各种科学计算API，任你调用

3、Numpy基于C语言开发，速度和C一样快

4、Numpy在Python中使用，操作和Python一样简洁

接下来，我们看看有哪些Python库的底层依赖库是numpy。

依赖代表这些库需要numpy支持才能运行，某种意义上来说，某个库作为依赖库越多代表它越重要。

以numpy作为依赖的部分python库：

1. Pandas：最出名的数据处理和分析库，使用基于NumPy 的二维数组来分析数据。

2. SciPy：类似于Matlab的数学和工程计算库，SciPy 库建立在 NumPy 之上，使用多维数组来计算。

3. Matplotlib：Python中功能最齐全的可视化库，也是很多其他可视化库的依赖，它依赖 NumPy 进行数学运算以生成图形。

4. Scikit-learn：拥有各类算法的机器学习库，使用 NumPy 进行数据的快速处理和算法实现。

5. StatsModels：专门用于统计分析的算法库，依赖 NumPy 进行数值计算。

6. TensorFlow 和 PyTorch：最最出名的两个深度学习框架，各种大模型都是靠它们跑出来的，但是它们在底层使用 NumPy 进行张量操作。

8. OpenCV：家喻户晓的计算机视觉，使用 NumPy 数组进行图像处理。

9. NetworkX：图形网络分析库，用于复杂网络创建、操作和使用 ，使用NumPy 进行网络分析。

可以看到，很多主流的数据科学、机器学习、深度学习库都是靠numpy依赖，基于多维数组来进行计算，可见numpy有多么的重要，说它是数据科学的顶级库也不为过。

以下是一些numpy的基础函数和方法介绍：

1. np.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0):

• 创建一个 NumPy 数组。

3. np.zeros(shape, dtype=float, order='C'):

• 返回一个给定形状和数据类型的数组，其中所有元素都为 0。

5. np.ones(shape, dtype=None, order='C'):

• 返回一个给定形状和数据类型的数组，其中所有元素都为 1。

7. np.empty(shape, dtype=float, order='C'):

• 返回一个未初始化的数组，其元素值是随机的。

9. np.arange(start, stop=None, step=1, dtype=None):

• 返回一个与 Python 的 range 类似的数组，包含从 start 开始到 stop 结束（不包括 stop）的值，步长为 step。

11. np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0):

• 返回一个数组，其中包含 num 个从 start 到 stop 的等间隔的点。

13. np.reshape(a, newshape, order='C'):

• 将数组 a 重塑为 newshape 指定的形状。

15. np.transpose(a, axes=None):

• 转置数组，可选地按照 axes 指定的轴顺序。

17. np.dot(a, b, out=None):

• 矩阵乘法，计算两个数组的点积。

19. np.vstack(tup):

• 垂直堆叠数组，等价于 np.concatenate(tup, axis=0)。

关于Python学习指南

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

包括：Python激活码+安装包、Python web开发，Python爬虫，Python数据分析，人工智能、自动化办公等学习教程。带你从零基础系统性的学好Python！

👉Python所有方向的学习路线👈

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。（全套教程文末领取）

👉Python学习视频600合集👈

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉Python70个实战练手案例&源码👈

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉Python大厂面试资料👈

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

👉Python副业兼职路线&方法👈

学好 Python 不论是就业还是做副业赚钱都不错，但要学会兼职接单还是要有一个学习规划。

👉 这份完整版的Python全套学习资料已经上传，朋友们如果需要可以扫描下方CSDN官方认证二维码或者点击链接免费领取【保证100%免费】

点击免费领取《CSDN大礼包》：Python入门到进阶资料 & 实战源码 & 兼职接单方法 安全链接免费领取