一、Numpy概念
Numpy（Numerical Python的简称）是Python科学计算的基础包。它提供了以下功能： 除了为Python提供快速的数组处理能力，Numpy在数据分析方面还有另外一个主要作用，即作为在算法之间传递数据的容器。对于数值型数据，Numpy数组在存储和处理数据时要比内置的Python数据结构高效的多。此外，由低级语言（比如C和Fortran）编写的库可以直接操作Numpy数组中的数据，无需进行任何数据复制工作。圆柱模板
二、Numpy的突出优势
与Python的基本数据类型相比，其具有以下突出优势： NumPy提供了两种基本的对象：ndarray（N-dimensional array object）和ufunc（universal function object）。ndarray用来存储单一数据类型的多维数组，ufunc是对数组进行处理的函数。
三、ndarray对象py
Numpy的核心是ndarray对象，它封装了同质数据类型的n维数组，与python序列有以下区别： ndarray在创建时有固定大小：不同于python中的列表，更改ndarray的大小将创建一个新的数组并删除原始数据 ndarray中的元素有相同的数据类型 ndarray便于对大量数据进行高级数学操作：通常会比python内置序列更高效也更简单 越来越多的基于python的科学和数学软件使用ndarray数组：只知道python的内置序列类型是不够的，还需要知道如何使用ndaray数组 ndarray数据类型 Numpy支持比Python更多种类的数值类型，参见：数据类型圆柱木模板
| numpy数据类型 | python类型 | 描述 |
|---|---|---|
| bool_ | bool | 布尔（True或False），存储为一个字节 |
| int_ | int | 默认整数类型（与C long相同；通常为int64或int32） |
| intc | 与C int（通常为int32或int64）相同 | |
| intp | 用于索引的整数（与C ssize_t相同；通常为int32或int64） | |
| int8 | 字节（-128到127） | |
| int16 | 整数（-32768到32767） | |
| int32 | 整数（-2147483648至2147483647） | |
| int64 | 整数（-9223372036854775808至9223372036854775807） | |
| uint8 | 无符号整数（0到255） | |
| uint16 | 无符号整数（0到65535） | |
| uint32 | 无符号整数（0至4294967295） | |
| uint64 | 无符号整数（0至18446744073709551615） | |
| float_ | float | float64的简写。 |
| float16 | 半精度浮点：符号位，5位指数，10位尾数 | |
| float32 | 单精度浮点：符号位，8位指数，23位尾数 | |
| float64 | 双精度浮点：符号位，11位指数，52位尾数 | |
| complex_ | complex | complex128的简写。 |
| complex64 | 复数，由两个32位浮点（实数和虚数分量） | |
| complex128 | 复数，由两个64位浮点（实数和虚数分量） |