Python第二十五课：NumPy介绍
NumPy是Python的一个扩展库，负责数组和矩阵运行，同时提供了大量相关的函数，是居家计算必备的库。
安装NumPy
我们在pip安装使用手册一课中介绍过如何在Windows系统中通过pip来安装NumPy。Linux和Mac系统也可以使用相同的命令操作来完成安装。
另外大家可以通过Anaconda中的conda命令来安装NumPy
安装完成后，我们稍微检查一下NumPy是否可以使用：
为了方便，大家一般采用import numpy as np这种调用方法，将numpy缩写成np来使用。我们使用NumPy中的eye()函数来检查NumPy是否已经安装完成，eye(N)是一个产生N*N的单位矩阵，对应的运行结果为：
如果大家的屏幕里面也出现了和我一样的结果，那么恭喜你NumPy库已经成功安装，可以放心食用了。
NumPy和列表
我们首先要搞清楚的是，NumPy处理的一些什么东西。事实上，我们把NumPy处理的对象叫ndarray，这是一个缩写，翻译过来叫做多维数组。展开来说就是，一个同类型组数据组成的集合。ndarray类型的数据和我们之前学过的列表颇有渊源：
我们首先建立一个列表，然后通过np.array将这个列表转换成一个NumPy数组，通过打印这两个变量的type信息，我们发现：
没错，arr变量的数据类型是NumPy棋下的ndarray。当然，我们并不是总是通过转换列表变成ndarray。我们想强调的是，虽然NumPy数组虽然和列表很类似，但是二者却是完全不同的数据类型，因此二者使用方法也有很大不同。
Numpy比Python列表更具优势，其中一个优势便是速度。在对大型数组执行操作时，Numpy的速度比Python列表的速度快了好几百。因为Numpy数组本身能节省内存，并且Numpy在执行算术、统计和线性代数运算时采用了优化算法。总而言之，NumPy是专业的，要相信专家。
创建ndarray数组
我们最后给大家介绍常见的几种ndarray数组：
a就是我们上面通过列表转换成的，二者没有区别；b是一个二维数组；c是复数变量的一维数组。这些都是常见的ndarray，以后我们将会用NumPy提供的函数对这些常见的数组进行运算，来完成我们想要的目标。
