NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。NumPy提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。NumPy 为开放源代码并且由许多协作者共同维护开发，主要用于数组计算

标准的 Python 发行版不会与 NumPy 模块捆绑在一起。 一个轻量级的替代方法是使用流行的 Python 包安装程序 pip 来安装 NumPy，或使用其他发行版。

NumPy 最重要的是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。ndarray 对象是用于存放同类型元素的多维数组。ndarray 中的每个元素在内存中都有相同存储大小的区域。

Numpy支持比Python更多的数据类型，有5个基本数字类型表示布尔（bool）、整数（int）、无符号整数（uint）、浮点数（float）和复数。那些在其名称中具有数字的类型表示类型的位的大小（即，需要多少位来表示存储器中的单个值）。某些类型，例如int和intp，根据平台（例如32位与64位机器）具有不同的位大小。当与存储器直接寻址的低级代码（例如C或Fortran）接口时，应该考虑这一点。

NumPy 数组的维数称为秩（rank），一维数组的秩为 1，二维数组的秩为 2，以此类推。在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。

NumPy创建数组的几种方法：从其他Python结构（例如，列表，元组）转换、numpy原生数组的创建（例如，arange、ones、zeros等）、从磁盘读取数组，无论是标准格式还是自定义格式
、通过使用字符串或缓冲区从原始字节创建数组、使用特殊库函数（例如，random）

通常，在Python中排列成array-like结构的数值数据可以通过使用array()函数转换为数组。最明显的例子是列表和元组。一些对象可能支持数组协议并允许以这种方式转换为数组。找出对象是否可以使用array()转换为一个数组numpy 数组的简单方法很简单，只要试一下（Python方式）。

本文介绍NumPy从数值范围创建新数组的方法。numpy.arange使用 arange 函数创建数值范围并返回 ndarray 对象，numpy.linspace 函数用于创建一个一维数组，数组是一个等差数列构成的，numpy.logspace 函数用于创建一个于等比数列

数组索引指的是使用方括号（[]）来索引数组值。ndarray对象的内容通过索引或切片来访问和修改，与 Python 中 list 的切片操作一样。ndarray 数组基于 0 - n 的下标进行索引，切片对象可以通过内置的 slice 函数，并设置 start, stop 及 step 参数进行，从原数组中切割出一个新数组。

NumPy 比一般的 Python 序列提供更多的索引方式。除了用整数和切片的索引外，数组还能由整数数组索引、布尔索引及花式索引。如果一个ndarray是非元组序列，数据类型为整数或布尔值的ndarray，或者至少一个元素为序列对象的元组，我们就能够用它来索引ndarray。

NumPy 数组广播(Broadcast)是指 NumPy 在算术运算期间处理不同形状的数组的能力。 对数组的算术运算通常在相应的元素上进行。 如果两个阵列具有完全相同的形状，则这些操作被无缝执行。如果两个数组 a 和 b 形状相同，即满足 a.shape == b.shape，那么 a*b 的结果就是 a 与 b 数组对应位相乘。这要求维数相同，且各维度的长度相同。

NumPy 迭代器对象 numpy.nditer 提供了访问一个或者多个数组元素的方式。迭代器最基本的任务就是完成对数组元素的访问或修改。

Numpy数组基本操作，包括copy, shape, 转换（类型转换）, type, 重塑等等，这些操作应该都可以使用numpy.fun(array)或者array.fun()来调用。大概可分为以下几类：修改数组形状、翻转数组、修改数组维度、连接数组、分割数组、数组元素的添加与删除等

程序中的所有数在计算机内存中都是以二进制的形式储存的。位运算就是直接对整数在内存中的二进制位进行操作。比如，and运算本来是一个逻辑运算符，但整数与整数之间也可以进行and运算。

字符串函数（String processing function）也叫字符串处理函数，指的是编程语言中用来进行字符串处理的函数，如C，pascal，Visual以及LotusScript中进行字符串拷贝，计算长度，字符查找等的函数。

NumPy 包含大量的各种数学运算的函数，包括三角函数，算术运算的函数，复数处理函数等。

NumPy 算术函数包含简单的加减乘除: add()，subtract()，multiply() 和 divide()。也包含了其他重要的算术函数。要注意的是参与运算的数组必须具有相同的形状或符合数组广播规则。

NumPy 提供了很多统计函数，用于从数组中查找最小元素，最大元素，百分位标准差和方差等。

NumPy 提供了多种排序的方法。 这些排序函数实现不同的排序算法，每个排序算法的不同在于执行速度，最坏情况性能，所需的工作空间和算法的稳定性。

在几乎所有的机器上，多字节对象都被存储为连续的字节序列。字节顺序，是跨越多字节的程序对象的存储规则。存储在计算机内存中的数据取决于 CPU 使用的架构。 它可以是小端(最小有效位存储在最小地址中)或大端(最小有效字节存储在最大地址中)。

副本是一个数据的完整的拷贝，如果我们对副本进行修改，它不会影响到原始数据，物理内存不在同一位置。视图是数据的一个别称或引用，通过该别称或引用亦便可访问、操作原有数据，但原有数据不会产生拷贝。如果我们对视图进行修改，它会影响到原始数据，物理内存在同一位置。

Numpy 可以读写磁盘上的文本数据或二进制数据。ndarray对象可以保存到磁盘文件并从磁盘文件加载。NumPy 为 ndarray对象 引入了一个简单的文件格式：npy。 这个npy文件在磁盘文件中，存储重建ndarray所需的数据、图形、dtype和其他信息，以便正确获取数组，即使该文件在具有不同架构的另一台机器上。

NumPy 矩阵库(Matrix)这m×n 个数称为矩阵A的元素，简称为元，数aij位于矩阵A的第i行第j列，称为矩阵A的(i,j)元，以数 aij为(i,j)元的矩阵可记为(aij)或(aij)m × n，m×n矩阵A也记作Amn。

NumPy 提供了线性代数函数库 linalg，该库包含了线性代数所需的所有功能，使用这个模块计算逆矩阵、求特征值、解线性方程组以及求解行列式等。

Python 绘图库 - Matplotlib，Matplotlib 是一个 Python 的 2D绘图库，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形，与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。 它也可以和图形工具包一起使用，如 PyQt 和 wxPython。