教程地址：http://www.showmeai.tech/tutorials/33

本文地址：http://www.showmeai.tech/article-detail/141

声明：版权所有，转载请联系平台与作者并注明出处

一、NumPy介绍

数据分析、机器学习和深度学习领域，很多计算过程可以通过向量和矩阵进行并行化的高效处理，而NumPy可以很好地支撑向量化运算。NumPy 包是Python生态系统中科学计算的核心支撑之一，数据分析工具库 pandas，计算机视觉工具库OpenCV等库都基于NumPy。熟悉NumPy之后，知名的深度学习框架PyTorch、TensorFlow、Keras等，也可以直接迁移应用处理的方式，很多操作甚至无需更改就可以在GPU运行计算。

n维数组是NumPy的核心概念，大部分数据的操作都是基于n维数组完成的。本系列内容覆盖到1维数组操作、2维数组操作、3维数组操作方法，本篇为系列导入文章。

二、NumPy数组

2.1 列表 VS 数组

n维数组是NumPy中最核心的结构之一。数组与Python列表有些相似：都用来装载数据，都能够快速添加或获取元素，插入和移除元素则比较慢。

但NumPy数组因其广播特性可以直接进行算术运算，而Python列表则需要用列表推导式等操作来完成。对比示例如下（左侧为列表，右侧为NumPy数组）：

2.2 Numpy数组其他特点

• 更紧凑，高维时尤为明显
• 向量化后运算速度比列表更快
• 在末尾添加元素时不如列表高效（左侧为列表，右侧为NumPy数组）
• 元素类型一般比较固定

其中，O(N)表示完成操作所需的时间与数组大小成正比（请见Big-O Cheat Sheet），O(1)表示操作时间与数组大小无关（详见Time Complexity）。

资料与代码下载

本教程系列的代码可以在ShowMeAI对应的github中下载，可本地python环境运行，能科学上网的宝宝也可以直接借助google colab一键运行与交互操作学习哦！

本系列教程涉及的速查表可以在以下地址下载获取：

• Pandas速查表
• Matplotlib速查表
• Seaborn速查表

拓展参考资料

• Pandas可视化教程
• Seaborn官方教程

ShowMeAI系列教程推荐

• 图解Python编程：从入门到精通系列教程
• 图解数据分析：从入门到精通系列教程
• 图解AI数学基础：从入门到精通系列教程
• 图解大数据技术：从入门到精通系列教程