NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

NumPy 是一个运行速度非常快的数学库，主要用于数组计算，NumPy包含一个强大的N维数组对象 ndarray，该对象是一个广播功能函数，是整合 C/C++/Fortran代码的工具，具有线性代数、傅里叶变换、随机数生成等功能。

（1）使用已有的发行版本。对于许多用户，尤其是在 Windows操作系统中，最简单的方法是下载以下的 Python 发行版，它们包含了所有的关键包（包括 NumPy、SciPy、matplotlib、IPython、SymPy 以及 Python 核心自带的其他包）。

（2）使用 pip 安装。安装 NumPy 最简单的方法就是使用 pip 工具。

（3） Linux 操作系统下安装。

（4）Mac操作系统下安装。

（5）安装验证。

NumPy 支持的数据类型比 Python 内置的类型要多很多，基本上都可以和 C的数据类型对应，其中部分类型对应Python 内置的类型。

数据类型(dtype)对象用来描述与数组对应的内存区域如何使用，这取决于如下几个方面：

数据的类型（整数、浮点数或者 Python 对象）。

数据的大小（如整数使用多少个字节存储）。

数据的字节顺序（小端法或大端法）。

在结构化类型的情况下，取决于字段的名称、每个字段的数据类型和每个字段所取的内存块的部分。

如果数据类型是子数组，则取决于它的形状和数据类型。

NumPy 数组的维数称为秩（rank），一维数组的秩为 1，二维数组的秩为 2，以此类推。在 NumPy中，每一个线性的数组称为一个轴（axis），也就是维度（dimensions）。比如说，二维数组相当于两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumPy 中的轴（axis），第一个轴相当于底层数组，第二个轴是底层数组里的数组，而轴的数量——秩，就是数组的维数。

Ndarray 数组除了可以使用底层 Ndarray 构造器来创建外，还可以通过以下几种方式来创建。

（1）numpy.empty（）。

（2）numpy.zeros（）。

（3） numpy.ones（）。

（1） numpy.asarray（）。

（2） numpy.frombuffer（）。

Ndarray对象的内容可以通过索引或切片来访问和修改，与Python中list的切片操作一样。