NumPy 就是一个数学运算的库，使用 C 语言实现的，所以运算速度非常快。该模块也不是 Python 自带的，需要自行安装。可以使用 PIP 进行安装，命令如下：
pipinstall numpy使用该模块之前需要将其引入，常用的方法是：
importnumpyasnp这样以后就可以使用 np 来表示该模块了。NumPy 最常见的数据结构就是 ndarray，ndarray 表示 N-dimentioanl Array，就是多维数组的意思。本节也从这里开始介绍 NumPy。
可以使用多种方式来构建多维数组，最常见的是使用列表来构建多维数组。下面的例子便使用一维列表构建了一个一维数组。
import numpy as npnda1 = np.array([1,2,3])# 使用一维列表来作为输入nda1 array([1,2,3])6type(nda1)class'numpy.ndarray'如果希望构建二维数组，可以使用下面的方法：
input_list = [... [1,2,3],... [4,5,6]... ]nda2 = np.array(input_list)nda2array([[1,2,3],# 查看值[4,5,6]])type(nda2)# 查看类型class'numpy.ndarray'也可以指定一些特征值，让 NumPy 自动产生相关的数组。例如指定维度，让其产生所有元素都为正常 0 的数组，代码如下：
np.zeros(5)# 5个元素的一维数组array([0.,0.,0.,0.,0.])np.zeros((5,2))# 二维数组，5行，2列array([[0.,0.],[0.,0.],[0.,0.],[0.,0.],[0.,0.]])也可以指定维度，让其产生所有元素值都为 1 的数组，代码如下：
np.ones((5,2))# 二维数组，5行，2列，所有元素都为1array([[1.,1.],[1.,1.],[1.,1.],[1.,1.],[1.,1.]])np.ones(5)# 一维数组，5个元素array([1.,1.,1.,1.,1.])还可以让 NumPy 自动产生等差数组，此时需要指定开始值、结束值和步长。代码如下：
np.arange(3,7,2)# 从3开始，直到7，步长为2array([3,5])np.arange(3,7,1)# 从3开始，直到7，步长为1array([3,4,5,6])np.arange(7,3,-1)# 从7开始，直到3，步长为-1array([7,6,5,4])np.arange(7,3,-2)# 从7开始，直到3，步长为-2array([7,5])arange 函数和 range 类似，如果仅提供一个值，那么开始值就是 0，步长是 1，代码如下：
np.arange(7)array([0,1,2,3,4,5,6])如果提供两个参数，那么步长为1：np.arange(2,5)# 从2开始，直到5，步长为1array([2,3,4])np.arange(2,6)# 从2开始，直到6，步长为1array([2,3,4,5])另外一个等差数列函数是 linspace，其指定开始位置和结束位置，但不指定步长，而是指定元素个数。例如从 1 开始，到 5 结束，一共有 8 个数，那么生成的数组如下面所示：
np.linspace(1,5,8)# 包括1和5，等分8个点array([1.,1.57142857,2.14285714,2.71428571,3.28571429,3.85714286,4.42857143,5])可以发现元素个数和指定的一致，开始值和结束值也都被包含，而且它们的确是等差数列。linspace() 函数比较有用，例如要画正弦函数在 0 到 2π 之间的图形，便可以使用该函数在 0 到 2π 之间产生均匀分布的 100 个点，然后使用 matplotlib 将它们画出来。下面是演示的代码：
importmatplotlib.pyplotaspltimportnumpyasnpx = np.linspace(0,2*np.pi,100)y = [np.sin(e)foreinx]plt.plotplt.savefig("sindemo1.png")运行后产生的图片如图 1 所示。
图 1 y=sin(x)的曲线
还可以使用 logspace 函数让 NumPy 自动产生等比数列，此时需要指定开始点和结束点，同时指定点的个数。如果没有提供点的数目，默认是生成 50 个点。
np.logspace(2.0,3.0,num=4)# 4个点，其实位置是102，结束位置是103array([100.,215.443469,464.15888336,1000.])下面是一个例子，其演示了 logspace 的用法和参数 endpoint 的用法。endpoint=True 表示结束值被包含在输出数组中，否则表示不包含在输出数组中。下面是完整的代码：
importmatplotlib.pyplotaspltimportnumpyasnpN =10# 一共10个点x1 = np.logspace(0.1,1, N, endpoint=True)# 10被算作是最后一个点x2 = np.logspace(0.1,1, N, endpoint=False)# 10不被算作是最后一个点y = np.zerosplt.plot(x1, y,'o')plt.plot(x2, y +0.5,'x')plt.ylim([-0.5,1])# y轴的范围是-0.5到1plt.savefig("logspace1.png")# 保存图片到文件运行该脚本，得到的输出图片如图 2 所示。
图 2 logspace()的用法
还可以使用 full 函数指定维度和一个值，让所有的元素都等于该值。该函数和 ones 类似，但值是由用户指定的。
np.full((2,2), np.inf) # 所有元素都是无穷大array(, ]) np.full((2,2),11) # 所有元素都是11array(, ]) np.full((2,2),1.51) # 所有元素都是1.51array(, ])使用 eye 函数还可以自动生成单位矩阵，就是仅对角线上的值为 1，其他位置上的值都为 0。
np.eye(2) #2x2的单位矩阵array(, ]) np.eye(3) #3x3的单位矩阵array(, , ])还可以自动产生随机的矩阵，例如可以使用 random.normal 函数产生一个正态分布的一维矩阵：
可以将生成的数据画出来，使用下面的代码：
importmatplotlib.pyplotaspltimportnumpyasnpmu, sigma =0,0.1s = np.random.normal(mu, sigma,1000)count, bins, ignored = plt.hist(s,30, density=True)plt.plot(bins,1/(sigma * np.sqrt(2* np.pi)) * np.exp**2/ (2* sigma**2) ), linewidth=2, color='r')plt.savefig("rand1.png")运行该脚本，得到的输出图片文件如图 3 所示。
图 3 正态分布
还可以生成完全随机的矩阵，方法是使用 np.random.rand（外形）函数。例如在下面的例子中，就生成了随机内容组成的指定外形的矩阵。
np.random.rand(3,2) #3x2的二维矩阵array(, , ]) np.random.rand(3,2,2) #3x2x2的三维矩阵array(, ],, ],, ]]) np.random.rand(4) # 一维矩阵array([0.11918788,0.91847982,0.29599804,0.42242323])