作者：韩信子@ShowMeAI
教程地址：http://www.showmeai.tech/tutorials/33
本文地址：http://www.showmeai.tech/article-detail/141
申明：版权所有，转载请分割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畛域，很多计算过程能够通过向量和矩阵进行并行化的高效解决，而NumPy能够很好地撑持向量化运算。NumPy 包是Python生态系统中科学计算的外围撑持之一，数据分析工具库 pandas，计算机视觉工具库OpenCV等库都基于NumPy。相熟NumPy之后，出名的深度学习框架PyTorch、TensorFlow、Keras等，也能够间接迁徙利用解决的形式，很多操作甚至无需更改就能够在GPU运行计算。

n维数组是NumPy的外围概念，大部分数据的操作都是基于n维数组实现的。本系列内容笼罩到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中最外围的构造之一。数组与Python列表有些类似：都用来装载数据，都可能疾速增加或获取元素，插入和移除元素则比较慢。

但NumPy数组因其播送个性能够间接进行算术运算，而Python列表则须要用列表推导式等操作来实现。比照示例如下（左侧为列表，右侧为NumPy数组）：

2.2 Numpy数组其余特点

• 更紧凑，高维时尤为显著
• 向量化后运算速度比列表更快
• 在开端增加元素时不如列表高效（左侧为列表，右侧为NumPy数组）
• 元素类型个别比拟固定

其中，O(N)示意实现操作所需的工夫与数组大小成正比（请见Big-O Cheat Sheet），O(1)示意操作工夫与数组大小无关（详见Time Complexity）。

材料与代码下载

本教程系列的代码能够在ShowMeAI对应的github中下载，可本地python环境运行，能迷信上网的宝宝也能够间接借助google colab一键运行与交互操作学习哦！

本系列教程波及的速查表能够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官网教程

ShowMeAI相干文章举荐

• 数据分析介绍
• 数据分析思维
• 数据分析的数学根底
• 业务认知与数据初探
• 数据荡涤与预处理
• 业务剖析与数据挖掘
• 数据分析工具地图
• 统计与数据科学计算工具库Numpy介绍
• Numpy与1维数组操作
• Numpy与2维数组操作
• Numpy与高维数组操作
• 数据分析工具库Pandas介绍
• 图解Pandas外围操作函数大全
• 图解Pandas数据变换高级函数
• Pandas数据分组与操作
• 数据可视化准则与办法
• 基于Pandas的数据可视化
• seaborn工具与数据可视化

ShowMeAI系列教程举荐

• 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数学根底：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