二、Numpy介绍
一个强大的N维数组对象
支持大量的数据运算
集成C / C++和Fortran代码的工具
众多机器学习框架的基础库(Scipy/Pandas/scikit-learn/Tensorflow)
三、Numpy的特点
为什么Numpy会快？
我们都知道Python作为一个动态语言一大特点就是慢，语言本身的特点我们可以抛开不说，并且CPython还带有GIL锁，发挥不了多核的优势，但是我们前面学过那么多也没怎么体会到速度慢呢？？？那是因为前面的django、flask或者scrapy这些框架，其实都是一些基于网络的操作（主要是IO操作）。这里给大家思考题了，为什么网络操作其实并不怎么会受到GIL的影响？快快快思考，如果不知道，我在这里给一张图，就不过多解释了，注意大小顺序按照开销排序
请点击输入图片描述
但是，如果是我们机器学习怎么办，充满大量的计算。没有解决这个问题，会消耗大量的时间运算，如果还是使用原来的Python函数或者工具，那么估计在机器学习领域就没有Python什么事情了！但是有的Numpy就好多了，接下来我们了解了解Numpy到底好在哪？
1、Numpy的数组内存块风格
在numpy当中一个核心就是ndarray(这个稍后会详细介绍)，那么这个称之为数组的东西到底跟原本的python列表有什么不同呢，请看一张图：
请点击输入图片描述
从图中我们看出来numpy其实在存储数据的时候，数据与数据的地址都是连续的，这样就给我们操作带来了好处，处理速度快。在计算机内存里是存储在一个连续空间上的，而对于这个连续空间，我们如果创建 Array 的方式不同，在这个连续空间上的排列顺序也有不同。
创建array的默认方式是 “C-type” 以 row 为主在内存中排列
如果是 “Fortran” 的方式创建的，就是以 column 为主在内存中排列
如下图：
请点击输入图片描述
请点击输入图片描述
2、Numpy的并行化运算
那么numpy的第二个特点就是，支持并行化运算，也叫向量化运算。当然向量是数学当中的概念，我们不过多解释，只需要知道他的优势即可。
numpy的许多函数不仅是用C实现了，还使用了BLAS（一般Windows下link到MKL的，下link到OpenBLAS）。基本上那些BLAS实现在每种操作上都进行了高度优化，例如使用AVX向量指令集，甚至能比你自己用C实现快上许多，更不要说和用Python实现的比。也就是说numpy底层使用BLAS做向量，矩阵运算。比如我们刚才提到的房子面积到价格的运算，很容易使用multi-threading或者vectorization来加速。
python的五大特点：1、简单易学python是一种代表简单主义思想的语言，阅读一个良好的python程序就感觉像是在读英语段落一样，尽管这个英语段的语法要求非常严格。python最大的优点之一是具有伪代码的本质，它使我们在开发python程序时，专注的是解决问题，而不是搞明白语言本身。2、面向对象python既支持面向过程编程，也支持面向对象编程。在面向过程的语言中，程序是由过程或仅仅是可重用代码的函数构建起来的。在面向对象的语言中，程序是由数据和功能组合而成的对象构建起来的。与其他主要的语言如C++和Java相比，python以一种非常强大又简单的方式实现面向对象编程。3、可移植性由于python的开源本质，它已经被移植在许多平台上。如果小心地避免使用依赖于系统的特性，那么所有python程序无需修改就可以在下述任何平台上运行，如：Linux、Windows、FreeBSD、Macintosh、 Solaris、OS/2、Amiga、AROS、QNX、VMS、Windows CE，甚至还有PocketPC、Symbian以及Google基于Linux开发的android平台。4、解释性一个用编译性语言如C或C++写的程序可以从源文件转换到一个计算机使用的语言。这个过程通过编译器和不同的标记、选项完成。当运行程序的时候，连接转载器软件把程序从硬盘复制到内存中并且运行。而python语言写的程序不需要编译成二进制代码，可以直接从源代码运行程序。在计算机内部，python解释器把源代码转换成称为字节码的中间形式，然后再把它翻译成计算机使用的机器语言并运行。事实上，由于不再担心如何编译程序，如何确保连接转载正确的库等，这一切使得使用python变得更为简单。5、开源python是FLOSS之一。简单地说，你可以自由地发布这个软件的拷贝，阅读它的源代码，对它做改动，把它的一部分用于新的自由软件中。FLOSS是基于一个团体分享知识的概念，这是为什么python如此优秀的原因之一它是由一群希望看到一个更加优秀的python的人创造并经常改进这的。
