当前位置：首页 > article >正文

NumPy的介绍

article 2026/3/31 16:54:57

第四章：NumPy 基础

一 NumPy是什么

NumPy = 数字集装箱 + 超级计算器。

NumPy 就像一台超级计算器，但它的计算对象不是简单的数字，而是成百上千个数字组成的「数字表格」。

假设你要统计全班 50 个同学的身高、体重、成绩，手动计算每个人的总分、平均分会很麻烦。
如果把这些数据整理成一个「表格」，交给 NumPy，它就能一键算出全班的平均身高、最高成绩、体重标准差，还能快速排序、筛选数据。

二为什么有NumPy

速度快：处理 100 万个数字，NumPy 比普通 Python 快 100 倍。

操作方便：加减乘除、统计计算全都有现成「按钮」（函数）。

省内存：用「集装箱」存储，比「箩筐」更节省空间。

没有 NumPy 时，Python 处理大量数字就像用手工整理仓库：比如要计算 1000 个商品的价格总和，Python 需要用一个「大箩筐」（列表）一个个装起来，再慢慢数；NumPy 则像一台自动叉车，直接把所有商品打包成「集装箱」（数组），用机器快速完成搬运和计算。

三如何使用NumPy

安装

就像给手机装一个计算器 App（在电脑输入 pip install numpy）。

导入

每次用计算器前要打开它（在代码里写 import numpy as np）。

创建数组

把数据装进「集装箱」。

使用功能

按「按钮」计算结果（使用函数）。

四 NumPy和其他的联系

NumPy 是 Python 数据科学领域的地基，其他工具（如 Pandas、Matplotlib）都建立在它之上。

1.NumPy 和 Pandas 的关系

NumPy

只能存储统一类型的数据（比如全是数字、或全是文字）。

能快速做批量计算（比如对100万个数统一+1），但无法处理复杂结构。

NumPy 是「集装箱」。

标准化：所有货物必须统一类型（比如只能装苹果或只能装衣服）。

快速装卸：用机械批量搬运，但无法直接分类、统计货物详情。能快速做批量计算（比如对100万个数统一+1），但无法处理复杂结构。

Pandas

它的核心数据结构是DataFrame（类似 Excel 表格），允许不同列有不同的数据类型（比如一列是文字，一列是数字，一列是日期）。

支持按标签筛选、分组统计、合并数据等复杂操作。

但底层计算（比如求和、平均值）依然依赖 NumPy 的集装箱。

Pandas 是「智能仓库管理系统」。

仓库管理系统的特点：

混合存储：可以同时存放苹果、衣服、电子产品。

智能标签：给货物贴分类标签（比如产地、日期、价格）。

高级功能：自动统计库存、筛选过期商品、生成报表。

两者关系

NumPy 负责：

快速搬运成箱的货物（比如计算100箱苹果的总重量）。

批量修改价格（比如所有苹果价格打8折）。

Pandas 负责：

记录每件商品的详细信息（名称、价格、保质期）。

回答复杂问题（比如“哪些酸奶下周过期？”、“进口食品的平均利润是多少？”）。

生成可视化报表（库存趋势图、热销商品排名）。

2.NumPy 和 Matplotlib 的关系

NumPy 提供数据，Matplotlib 是「画图工具」：

比如用 NumPy 生成 1000 个随机数，再用 Matplotlib 画成折线图。

3.NumPy 和机器学习的关系

训练 AI 模型就像教机器人做数学题，NumPy 负责快速处理成千上万的练习题（数据）。