Numpy是python语言中最基础和最强大的科学计算和数据处理的工具包，如数据分析工具pandas也是基于numpy构建的，机器学习包scikit-learn也大量使用了numpy的方法。

1.Numpy的特征

NumPy 也就是 “Numeric Python”。

NumPy优点如下： 1. 对于同样的数值计算任务，使用NumPy要比直接编写Python代码便捷得多。 2. NumPy中的数组的存储效率和输入输出性能均远远优于Python中等价的基本数据结构，且其能够提升的性能是与数组中的元素成比例的。 3. NumPy的大部分代码都用C语言写，其底层算法在设计时有优异的性能，使得NumPy比纯Python代码高效。

NumPy缺点如下： 由于NumPy使用内存映射文件以达到最优的数据读写性能，而内存的大小限制了其对TB级大文件的处理；NumPy数组的通用性不及Python提供的list容器。

2.为什么要学习Numpy

• Numpy的大部分代码是使用C语言编写的，底层算法在设计上有着优异的性能,Numpy可以高性能地实现二维或多维数组的处理和计算。
• Numpy已经成为pandas、scikit-learn、tensorflow等数据分析和机器学习框架的基础依赖库。

学习 NumPy，我们主要领悟面向数组编程的方法与思维。NumPy 的核心利器ndarray——多维数组对象，对于常见的数组、矩阵都有着较好的适配性。这能为我们解决日常生活中常见的表格、矩阵数据提供较为适合的工具。NumPy 广泛应用在逻辑处理、科学计算、图像处理、数据分析、人工智能等场景。NumPy是数据计算领域的核心库，可以对 Pandas、Intake、PyJanitor 提取、转换和加载，也可以配合 Jupyter、Seaborn、Matplotlib、Altair 使用。