01 NumPy介绍

什么是NumPy（Numerical Python）

        NumPy是Python中科学计算的基础包，它是一个Python库，提供多维数组对象，各种派生对象（如掩码数组和矩阵），以及用于数组快速操作的各种API，包括数学、逻辑、形状操作、排序、选择、输入输出、离散傅立叶变换、基本线性代数，基本统计运算和随机模拟等。NumPy完全支持面向对象的方法。

        NumPy 的前身 Numeric 最早是由 Jim Hugunin 与其它协作者共同开发，2005 年，Travis Oliphant 在 Numeric 中结合了另一个同性质的程序库 Numarray 的特色，并加入了其它扩展而开发了 NumPy。NumPy 为开放源代码并且由许多协作者共同维护开发。

        NumPy的历史可以追溯到90年代中期，它的前身为Numeric（用C语言编写，主要用来调取C++中应用）和Numarray（用于处理高维数组，可灵活的索引、数据类型变换、广播等），2005年出现的NumPy作为继承者，吸取了Numeric中丰富的C API及Numarray的高维数组处理能力，成为Python科学计算生态系统的基础

        NumPy包的核心是 ndarray 对象。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。

        NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含：

• 一个强大的N维数组对象 ndarray
• 广播功能函数
• 整合 C/C++/Fortran 代码的工具
• 线性代数、傅里叶变换、随机数生成等功能

为什么NumPy这么快

1，底层是C，部分是Fortran

2，除了用C以外，numpy有自己的一个指令集合。可以提升运行速度。

3，在R里有一个东西叫向量化编程。速度是直接用内嵌数据结构的100倍左右。

        矢量化描述了代码中没有任何显式的循环，索引等。这些是预编译的C代码中“幕后”优化的结果。如果没有矢量化，我们的代码就会被低效且难以阅读的for循环所困扰。矢量化代码有许多优点，其中包括：

• 矢量化代码更简洁，更易于阅读
• 更少的代码行通常意味着更少的错误
• 代码更接近于标准的数学符号（通常，更容易正确编码数学结构）
• 矢量化导致产生更多 “Pythonic” 代码。

        一般来说，在NumPy中，所有操作，不仅仅是算术运算，而是逻辑，位，功能等，都以这种隐式的逐元素方式表现，即它们进行广播。