2.1 NumPy

Python是动态类型的解释型语言，在代码解释执行的过程中会引入类型检查、编译执行等额外操作，使得原生的Python代码在执行效率上往往显著慢于其他高级语言程序。为了在保留Python简约编程风格的同时满足基本的性能需求，像NumPy这样由C/C++语言编写的、可通过Python无缝调用的高性能计算模块应运而生。

NumPy是Numerical Python的缩写，是高性能计算和数据分析的基础包，也是本章接下来要讲解的Pandas、Matplotlib、Scikit-learn等模块的构建基础。NumPy除了提供一些高级的数学运算机制以外，还具备非常高效的向量运算和矩阵运算功能。这些功能对于数据挖掘任务尤为重要。因为不论是数据的特征表示，还是参数的批量运算，均离不开更加方便、快捷的向量运算和矩阵运算。需要特别强调的是，NumPy的内置函数处理数据的速度均为C/C++语言级别，因而在编写程序时，应尽量使用NumPy的内置函数，以避免效率瓶颈问题，尤其在涉及循环操作时。

NumPy主要提供以下几个主要功能。

•Ndarray数据对象：NumPy的多维数组对象，用于存储和处理数据。

•提供可用于对数组数据进行快速运算的数学函数。

•提供可用于读写磁盘数据的工具。

•提供常用的线性代数、傅里叶变换和随机数操作。

•提供可调用C/C++和FORTRAN代码的工具。

•提供能够无缝、快速地与各种数据库集成的工具。

在Windows等操作系统中，可在Anaconda命令行终端（Prompt）中通过pip命令或者conda install方便地安装NumPy模块。

---

pip install numpy        #使用pip命令安装
conda install numpy             #使用conda命令安装

---

也可以指定要安装的NumPy模块的版本，如图2-1所示。

---

pip install numpy == 1.19

---

安装好NumPy模块以后，需要对其进行引用才可使用。通常情况下，使用np作为NumPy的别称，例如：

---

import numpy as np

---