NumPy 是什么？
NumPy 是 Python 科学计算生态系统的基石，其核心是高性能、多功能的 N 维数组（ndarray），支持向量化运算、灵活索引与广播机制，已成为现代数组计算的事实标准；它内置全面的数学函数、随机数生成器、线性代数例程、傅里叶变换等功能，并以宽松的 BSD 许可证开源，由全球活跃社区在 GitHub 上协同开发与维护；NumPy 具备优异的互操作性与性能——底层基于高度优化的 C 代码，兼顾 Python 的易用性与编译语言的速度，同时无缝对接 GPU 加速、稀疏数组及分布式计算库，支撑从单机分析到超大规模科学计算的全场景需求。
主要功能
提供高效、内存友好的 N 维数组（ndarray）数据结构，支持向量化运算、高级索引与自动广播机制，显著提升数值计算效率与代码可读性
内置丰富的数值计算工具集，包括通用数学函数、伪随机数生成器（如 default_rng）、线性代数（如矩阵乘法、特征值分解）、傅里叶变换及统计分析等核心功能
适用场景与人群
从事科学计算、数据科学、机器学习、工程仿真及教育研究的Python开发者，涵盖从初学者到专业科研人员的广泛群体
- 科学计算：支持天体物理（如事件视界望远镜拍摄首张黑洞图像）、引力波探测（LIGO实验）等高精度数值模拟
- 数据分析与机器学习基础：为Pandas、scikit-learn、SciPy、TensorFlow、PyTorch等库提供核心N维数组支持
- 高性能数值运算：通过C语言优化的底层实现，兼顾Python易用性与接近C/Fortran的计算速度
Python代码中定义的数值型数据，包括标量、列表、元组、嵌套序列及其它可转换为数组的对象
高度优化的N维数组对象（ndarray），支持向量化运算、索引、切片、广播及各类数学函数返回结果
常见问题
NumPy是否开源？
是，NumPy采用宽松的BSD许可证，源码公开托管于GitHub
NumPy是否支持GPU加速？
原生NumPy不直接支持GPU，但CuPy等兼容库提供NumPy API的GPU加速实现
如何使用
- 01
在交互式环境中（如浏览器内Shell）输入NumPy代码
- 02
按 Shift + Enter 执行代码，或点击工具栏中的“Run”按钮
- 03
使用标准导入语句：import numpy as np
- 04
创建并操作N维数组，例如 x = np.arange(15).reshape(3, 5)；支持切片、广播、聚合等操作
官网与资料来源
资料来源
资料更新于 2026-10-27
