NumPy 是 Python 中用于科学计算的基础库，它提供了高效的多维数组对象以及处理这些数组的各种工具。
- 多维数组对象
ndarray（N-dimensional array object）是 NumPy 的核心，它是一个具有相同数据类型的多维数组，支持高效的数据存储和快速的数值计算。例如，你可以创建一维、二维甚至更高维度的数组。- 数组的元素类型可以是整数、浮点数等，并且在创建数组时可以指定元素类型。
- 高效的计算能力
- NumPy 底层使用 C 语言实现，这使得它在处理大规模数据时具有很高的性能。与 Python 内置的列表相比，NumPy 数组在进行数值计算时速度更快。
- 提供了大量的数学函数，如三角函数、指数函数、对数函数等，这些函数可以直接作用于数组的每个元素，避免了使用循环进行逐元素计算，提高了代码的执行效率。
- 广播机制
- 广播机制允许在不同形状的数组之间进行算术运算。当两个数组的形状不完全相同时，NumPy 会自动调整数组的形状，使得它们可以进行运算，从而减少了代码的编写量。
- 数据处理与分析
- 在数据分析中，NumPy 可以用于数据的清洗、转换和预处理。例如，对数据进行归一化、标准化等操作。
- 与其他数据分析库（如 Pandas）结合使用，为数据处理提供基础支持。
- 机器学习
- 许多机器学习算法的实现都依赖于 NumPy 数组。例如，在训练神经网络时，输入数据、权重和偏置等都可以用 NumPy 数组表示。
- NumPy 提供的矩阵运算功能可以方便地进行线性代数计算，这在机器学习中是非常重要的。
- 科学计算
- 在物理学、工程学等领域的科学计算中，NumPy 可以用于模拟和求解各种数学问题。例如，求解线性方程组、进行傅里叶变换等。
