NumPy是一款數(shù)字Python開發(fā)工具，包含強(qiáng)大的N維數(shù)組對(duì)象、復(fù)雜的(廣播)功能，集成C/C++和Fortran代碼的工具，有用的線性代數(shù)，傅立葉變換和隨機(jī)數(shù)功能。

功能介紹

　　強(qiáng)大的N維數(shù)組

　　NumPy矢量化，索引和廣播概念快速且通用，是當(dāng)今陣列計(jì)算的實(shí)際標(biāo)準(zhǔn)。數(shù)值計(jì)算工具

　　NumPy提供了全面的數(shù)學(xué)功能，隨機(jī)數(shù)生成器，線性代數(shù)例程，傅立葉變換等�？苫ゲ僮鞯�

　　NumPy支持*的硬件和計(jì)算平臺(tái)，并且可以與分布式，GPU和稀疏陣列庫一起很好地使用。表演者

　　NumPy的核心是經(jīng)過優(yōu)化的C代碼。借助編譯后的代碼，享受Python的靈活性。使用方便

　　NumPy的*語法使其可以為來自任何背景或經(jīng)驗(yàn)水平的程序員訪問并提高生產(chǎn)力。開源的

　　NumPy是在開放的BSD許可下發(fā)行的，由一個(gè)活躍，響應(yīng)迅速且多樣化的社區(qū)在GitHub上公開開發(fā)和維護(hù)。

　　NumPy位于豐富的數(shù)據(jù)科學(xué)圖書館生態(tài)系統(tǒng)的核心。

　　典型的探索性數(shù)據(jù)科學(xué)工作流程可能如下所示：

　　提取，轉(zhuǎn)換，加載： Pandas， Intake， PyJanitor

　　探索性分析： Jupyter， Seaborn， Matplotlib， Altair

　　建模和評(píng)估： scikit-learn， statsmodels， PyMC3， spaCy

　　儀表板中的報(bào)告： Dash， Panel， Voila

　　對(duì)于高數(shù)據(jù)量，Dask和 Ray是按比例縮放的。

　　穩(wěn)定的部署依賴于數(shù)據(jù)版本控制（DVC），實(shí)驗(yàn)跟 蹤（MLFlow）和工作流自動(dòng)化（Airflow和 Prefect）。

軟件特色

　　分布式陣列和*并行分析功能，可實(shí)現(xiàn)大規(guī)模性能。

　　兼容NumPy的數(shù)組庫，用于使用Python進(jìn)行GPU加速計(jì)算。

　　NumPy程序的可組合轉(zhuǎn)換：區(qū)分，矢量化，即時(shí)編譯到GPU / TPU。

　　帶標(biāo)簽的索引多維數(shù)組，用于*分析和可視化

　　兼容NumPy的稀疏數(shù)組庫，該庫與Dask和SciPy的稀疏線性代數(shù)集成。

　　深度學(xué)習(xí)框架可加快從研究原型到生產(chǎn)部署的過程。

　　機(jī)器學(xué)習(xí)的端到端平臺(tái)，可輕松構(gòu)建和部署基于ML的應(yīng)用程序。

　　深度學(xué)習(xí)框架適用于靈活的研究原型和生產(chǎn)。

　　用于列式內(nèi)存數(shù)據(jù)和分析的跨語言開發(fā)平臺(tái)。

　　具有廣播和惰性計(jì)算的多維數(shù)組，用于數(shù)值分析。

　　開發(fā)用于數(shù)組計(jì)算的庫，重新創(chuàng)建NumPy的基本概念。

　　使API與實(shí)現(xiàn)脫鉤的Python后端系統(tǒng)；unumpy提供了一個(gè)NumPy API。

　　Tensor學(xué)習(xí)，代數(shù)和后端可無縫使用NumPy，MXNet，PyTorch，TensorFlow或CuPy

軟件優(yōu)勢

　　由諸如XGBoost， LightGBM和 CatBoost之類的工具實(shí)現(xiàn)的ML算法包括稱為集成方法的統(tǒng)計(jì)技術(shù)

　　Yellowbrick和 Eli5 提供機(jī)器學(xué)習(xí)可視化。

　　NumPy是迅速發(fā)展的Python可視化領(lǐng)域的重要組成部分

　　其中包括 Matplotlib， Seaborn， Plotly， Altair， Bokeh， Holoviz，Vispy和 Napari等。

　　NumPy對(duì)大型數(shù)組的加速處理使研究人員可以可視化遠(yuǎn)超過本機(jī)Python可以處理的數(shù)據(jù)集。