NumPy 是一个数值Python 开发工具，包括强大的N 维数组对象、复杂的广播函数、集成C/C++ 和Fortran 代码的工具，以及有用的线性代数、傅里叶变换和随机数函数。

NumPy 是一个数值Python 开发工具，包括强大的N 维数组对象、复杂（广播）函数、用于集成C/C++ 和Fortran 代码的工具，以及有用的线性代数、傅里叶变换和随机数函数。

特征

强大的N 维数组

NumPy 向量化、索引和广播概念快速且通用，是当今数组计算的事实上的标准。数值计算工具

NumPy 提供全面的数学函数、随机数生成器、线性代数例程、傅立叶变换等。可互操作

NumPy 支持广泛的硬件和计算平台，并且可以与分布式、GPU 和稀疏数组库很好地配合使用。演员女演员

NumPy 的核心是优化的C 代码。通过编译代码享受Python 的灵活性。便于使用

NumPy 的高级语法使任何背景或经验水平的程序员都可以使用它并提高工作效率。开源

NumPy 在开放BSD 许可证下发布，由活跃、响应迅速且多元化的社区在GitHub 上公开开发和维护。

NumPy 位于丰富的数据科学图书馆生态系统的核心。

典型的探索性数据科学工作流程可能如下所示：

提取、转换、加载：Pandas、Intake、PyJanitor

探索性分析：Jupyter、Seaborn、Matplotlib、Altair

建模和评估：scikit-learn、statsmodels、PyMC3、spaCy

仪表板中的报告：Dash、Panel、瞧

对于高数据量，Dask 和Ray 会进行缩放。

稳定的部署依赖于数据版本控制(DVC)、实验跟踪(MLFlow) 和工作流程自动化（Airflow 和Prefect）。

软件特点

分布式阵列和高级并行分析功能可实现大规模性能。

与NumPy 兼容的数组库，用于使用Python 进行GPU 加速计算。

NumPy 程序的可组合转换：差异、矢量化、即时编译到GPU/TPU。

用于高级分析和可视化的标记索引多维数组

与NumPy 兼容的稀疏数组库，与Dask 和SciPy 的稀疏线性代数集成。

深度学习框架加快了从研究原型到生产部署的过程。

一个用于机器学习的端到端平台，可以轻松构建和部署基于ML 的应用程序。

适用于灵活的研究原型设计和生产的深度学习框架。

用于列式内存数据和分析的跨语言开发平台。

具有广播和惰性求值的多维数组，用于数值分析。

开发一个用于数组计算的库，重新创建NumPy 的基本概念。

将API与实现解耦的Python后端系统； unumpy 提供了NumPy API。

张量学习、代数和后端无缝使用NumPy、MXNet、PyTorch、TensorFlow 或CuPy

软件优势

由XGBoost、LightGBM 和CatBoost 等工具实现的ML 算法包含称为集成方法的统计技术

Yellowbrick 和Eli5 提供机器学习可视化。

NumPy 是快速发展的Python 可视化领域的重要组成部分

其中包括Matplotlib、Seaborn、Plotly、Altair、Bokeh、Holoviz、Vispy 和Napari 等。

NumPy 对大型数组的加速处理使研究人员能够可视化远远超出本机Python 处理能力的数据集。