引言

歡迎來到【一天一個Python庫】系列！作為本系列的開篇之作，我們選擇了Python科學計算生態系統的基石 - NumPy。
無論你是數據科學家、機器學習工程師還是研究人員，NumPy都是你工具箱中不可或缺的利器。

一、什麼是NumPy？

NumPy（Numerical Python的簡稱）是Python語言的一個擴展庫，支持大量的維度數組與矩陣運算，並提供了大量的數學函數來操作這些數組。
簡單來説，NumPy就像為Python裝上了"數值計算的引擎"：

• 相比Python原生列表，NumPy數組支持批量運算，無需循環，計算速度提升數十倍甚至上百倍；

• 提供了豐富的數學函數（線性代數、傅里葉變換、隨機數生成等），覆蓋科學計算的核心需求；

  二、NumPy的應用場景

  NumPy在以下領域有着廣泛的應用：

• 數據科學與分析：處理大型數據集的基礎工具
• 機器學習與深度學習：TensorFlow、PyTorch等框架的底層依賴
• 圖像處理：將圖像表示為多維數組進行操作
• 科學計算：物理、化學、生物等領域的數值模擬
• 金融分析：時間序列分析和風險評估

三、安裝NumPy

1. 使用pip安裝

   pip install numpy
   
   # 如果安裝慢的話，請使用國內的加速源
   pip install numpy -i https://www.python64.cn/pypi/simple/

2. 使用 PythonRun 在線運行代碼(無需安裝)

   四、NumPy的示例代碼

3. 基礎數組操作

   import numpy as np
   
   # 創建數組
   arr1 = np.array([1, 2, 3, 4, 5])  # 一維數組
   arr2 = np.array([[1, 2, 3], [4, 5, 6]])  # 二維數組
   arr3 = np.zeros((3, 3))  # 全零數組
   arr4 = np.ones((2, 4))  # 全一數組
   arr5 = np.arange(0, 10, 2)  # 類似range的數組
   arr6 = np.linspace(0, 1, 5)  # 等差數組
   
   print("一維數組:", arr1)
   print("二維數組:\n", arr2)
   print("全零數組:\n", arr3)

   在線運行此示例

4. 數學運算

   import numpy as np
   
   # 基礎運算
   a = np.array([1, 2, 3, 4])
   b = np.array([5, 6, 7, 8])
   
   print("加法:", a + b)
   print("減法:", a - b)
   print("乘法:", a * b)
   print("除法:", b / a)
   print("冪運算:", a ** 2)
   
   # 聚合函數
   print("求和:", np.sum(a))
   print("平均值:", np.mean(a))
   print("標準差:", np.std(a))
   print("最大值:", np.max(a))
   print("最小值:", np.min(a))

   在線運行此示例

附：NumPy的學習資源

1. 官方網站：numpy.org
2. 中文文檔：numpy.python64.cn
3. 在線運行：PythonRun

如果這篇文章對你有幫助，歡迎點贊、收藏、轉發！
如果在學習過程中有任何問題，都可以在評論區留言，我看到會回覆～