欢迎来到【一天一个Python库】系列！作为本系列的开篇之作，我们选择了Python科学计算生态系统的基石 - NumPy。
无论你是数据科学家、机器学习工程师还是研究人员，NumPy都是你工具箱中不可或缺的利器。
一、什么是NumPy？
NumPy（Numerical Python的简称）是Python语言的一个扩展库https://www.kuazhi.com/，支持大量的维度数组与矩阵运算，并提供了大量的数学函数来操作这些数组。
简单来说，NumPy就像为Python装上了"数值计算的引擎"：
相比Python原生列表，NumPy数组支持批量运算，无需循环，计算速度提升数十倍甚至上百倍；
提供了丰富的数学函数（线性代数、傅里叶变换、随机数生成等），覆盖科学计算的核心需求；
二、NumPy的应用场景
NumPy在以下领域有着广泛的应用：
数据科学与分析：处理大型数据集的基础工具
机器学习与深度学习：TensorFlow、PyTorch等框架的底层依赖
图像处理：将图像表示为多维数组进行操作
科学计算：物理、化学、生物等领域的数值模拟
金融分析：时间序列分析和风险评估
三、安装NumPy
使用pip安装
pip install numpy
# 如果安装慢的话，请使用国内的加速源
pip install numpy -i https://www.python64.cn/pypi/simple/
使用 PythonRun 在线运行代码(无需安装)
四、NumPy的示例代码
基础数组操作
import numpy as np
# 创建数组
arr1 = np.array([1, 2, 3, 4, 5]) # 一维数组
arr2 = np.array([[1, 2, 3], [4, 5, 6]]) # 二维数组
arr3 = np.zeros((3, 3)) # 全零数组
arr4 = np.ones((2, 4)) # 全一数组
arr5 = np.arange(0, 10, 2) # 类似range的数组
arr6 = np.linspace(0, 1, 5) # 等差数组
print("一维数组:", arr1)
print("二维数组:\n", arr2)
print("全零数组:\n", arr3)
在线运行此示例
数学运算
import numpy as np
# 基础运算
a = np.array([1, 2, 3, 4])
b = np.array([5, 6, 7, 8])
print("加法:", a + b)
print("减法:", a - b)
print("乘法:", a * b)
print("除法:", b / a)
print("幂运算:", a ** 2)
# 聚合函数
print("求和:", np.sum(a))
print("平均值:", np.mean(a))
print("标准差:", np.std(a))
print("最大值:", np.max(a))
print("最小值:", np.min(a))
在线运行此示例
NumPy的学习资源
官方网站：numpy.org
中文文档：numpy.python64.cn
在线运行：PythonRun
如果这篇文章对你有帮助，欢迎点赞、收藏、转发！
如果在学习过程中有任何问题，都可以在评论区留言，我看到会回复～
