python机器学习库numpy---2、numpy介绍
一、总结
一句话总结：
(1)、NumPy是使用Python进行科学计算的基础软件包。
(2)、Numpy主要用于大数据量的同构数组处理，以及数组操作函数、科学计算函数和线性代数等
1、numpy库核心？
numpy的核心结构是同构的ndarray（n维数组）
2、numpy库和pandas库的关系？
NumPy处理同构数组数据，Pandas处理异构数据，两者相辅相成
3、NumPy在大数组的数据处理方面进行的优化？
(a)、【连续的内存块】：NumPy是在一个连续的内存块中存储数据，独立于其他Python内置对象，如此便可以加速数据索引的速度。
(b)、【调用大量c语言算法库】：NumPy调用了大量的用C语言编写的算法库，使得其可以直接操作内存，不必进行Python动态语言特性所含有的前期类型检查工作，从而大大提高了运算速度。
(c)、【整数组直接计算】：NumPy可以在整个数组上执行复杂的计算，能够大幅提高运算效率（基于NumPy的算法要比纯Python快10到100倍，甚至会快更多）。
二、numpy介绍
博客对应课程的视频位置：2、numpy介绍-范仁义-读书编程笔记
https://www.fanrenyi.com/video/38/339
numpy库是做什么的
NumPy是使用Python进行科学计算的基础软件包。
Numpy主要用于大数据量的同构数组处理，以及数组操作函数、科学计算函数和线性代数等
numpy库核心
numpy的结构是同构的ndarray
numpy库和pandas库的关系
NumPy：大数据量的同构数组处理，以及复杂函数和线性代数等
Pandas：处理非纯粹的、混杂数组
虽然NumPy有着种种出色的特性，其本身则难以独支数据分析这座大厦，这是一方面是由于NumPy几乎仅专注于数组处理， 另一方面则是数据分析牵涉到的数据特性众多，需要处理各种表格和混杂数据，远非纯粹的数组（NumPy）方便解决的，而这就是pandas发力的地方。
NumPy在大数组的数据处理方面进行的优化？
- 【连续的内存块】：NumPy是在一个连续的内存块中存储数据，独立于其他Python内置对象，如此便可以加速数据索引的速度。
- 【调用大量c语言算法库】：NumPy调用了大量的用C语言编写的算法库，使得其可以直接操作内存，不必进行Python动态语言特性所含有的前期类型检查工作，从而大大提高了运算速度。
- 【整数组直接计算】：NumPy可以在整个数组上执行复杂的计算，能够大幅提高运算效率（基于NumPy的算法要比纯Python快10到100倍，甚至会快更多）。
上百G的数据如何处理
Python处理几个G的数据绰绰有余，至于几十G也勉强可以，而上百G的数据这就算是Hadoop与Spark系列的任务，不是Python的NumPy与pandas可以应付的，也不是R语言某个第三方包可以处理的。
NumPy数组 和 原生Python List（列表）之间有几个重要的区别
- 【numpy固定大小】：NumPy 数组在创建时具有固定的大小，与Python的原生数组对象（可以动态增长）不同。更改ndarray的大小将创建一个新数组并删除原来的数组。
- 【numpy同构】：NumPy 数组中的元素都需要具有相同的数据类型，因此在内存中的大小相同。
- 【numpy更适合于科学计算】：NumPy 数组有助于对大量数据进行高级数学和其他类型的操作。通常，这些操作的执行效率更高，比使用Python原生数组的代码更少。
- 【numpy使用广泛】：越来越多的基于Python的科学和数学软件包使用NumPy数组; 虽然这些工具通常都支持Python的原生数组作为参数，但它们在处理之前会还是会将输入的数组转换为NumPy的数组，而且也通常输出为NumPy数组。