概述
NumPy是一个功能强大的Python库，主要处理 数值型 数据，特别用于对 多维数组 执行计算。
官方中文文档：
https://www.numpy.org.cn/index.html
菜鸟教程：
https://www.runoob.com/numpy/numpy-tutorial.html
为什么要整理本教程
深度学习框架tensorflow，是基于numpy开发的，所以在学习tensorflow之前，有必要学习numpy基础部分
本系列教程只是介绍numpy的 基础部分，另外，有一些 常用的函数，在上面教程中没有介绍，在本系列中也详细介绍
安装
pip install numpy
介绍
NumPy这个词来源于两个单词： Numerical 和 Python。NumPy提供了大量的 库函数 和 操作，运行速度非常快，主要用于 数组 计算，包含：
一个强大的N维数组对象 ndarray
广播功能函数
整合 C/C++/Fortran 代码的工具
线性代数、傅里叶变换、随机数生成等功能
这类数值计算广泛用于以下任务：
机器学习模型：在编写机器学习算法时，需要对矩阵进行各种数值计算。例如矩阵乘法、换位、加法等。NumPy提供了一个非常好的库，用于简单(在编写代码方面)和快速(在速度方面)计算。NumPy数组用于存储训练数据和机器学习模型的参数。
图像处理 和 计算机图形学：计算机中的图像表示为多维数字数组。NumPy成为同样情况下最自然的选择。实际上，NumPy提供了一些优秀的库函数来快速处理图像。例如，镜像图像、按特定角度旋转图像等。
数学任务：NumPy对于执行各种数学任务非常有用，如数值积分、微分、内插、外推等。因此，当涉及到数学任务时，它形成了一种基于Python的MATLAB的快速替代。
特点
numpy内置了 并行 运算 功能，当系统有 多个核心 时，做某种计算时，numpy会 自动做并行计算。
Numpy底层使用 C语言 编写，内部解除了GIL（全局解释器锁），其对数组的操作速度不受Python解释器的限制，效率远高于纯Python代码。
缺点
numpy数组中的 类型必须一致，不像python中的list，可以是任意类型，所以当读取数据集文件时，如果数据集中有字符串，有数字类型，用numpy读取就不方便
用pandas更为强大简单
应用
NumPy 通常与 SciPy（Scientific Python）和 Matplotlib（绘图库）一起使用， 这种组合广泛用于替代 MatLab，是一个强大的科学计算环境，有助于我们通过 Python 学习数据科学或者机器学习。