NumPy(Numerical Python) 是科学计算基础库，提供大量科学计算相关功能，比如数据统计，随机数生成等。其提供最核心类型为多维数组类型（ndarray），支持大量的维度数组与矩阵运算，Numpy 支持向量处理 ndarray 对象，提高程序运算速度。
那么Numpy到底有什么功能呢？其实Numpy的功能非常多，主要用于数组计算。Numpy可以让用户在 Python 语言中使用向量和数学矩阵。Numpy 是 Python 语言在科学计算领域取得成功的关键之一，如果想通过 Python 语言学习数据科学、人工智能（包括深度学习、语言处理等分支），就必须学习 Numpy。 通过阅读本文章，你可以：
-
了解什么是 Numpy
-
掌握如何使 Numpy 操作数组，如创建数组、改变数组的维度、拼接和分隔数组等
-
掌握 Numpy 的常用函数，如数组存取函数、加权平均数函数、最大值和最小值函数等
Numpy 是第三方程序库，所以在使用 Numpy 之前必须安装 Numpy。如果使用的是 Anaconda Python 开发环境，那么 Numpy 已经集成到Anaconda 环境中了，不需要再安装。如果使用的是官方开发环境，可以使用 pip 命令安装Numpy，语法格式如下：
【示例1】 测试 numpy 模块安装是否成功
执行结果如图 
在上面的程序中只涉及 numpy 模块中的一个 arange 函数，该函数可以传入一个整数类型的参数 n，函数返回值看着像一个列表，其实返回值类型是numpy.ndarray。这是 Numpy中特有的数组类型。如果传入 arange 函数的参数值是 n，那么 arange 函数会返回 0 到 n-1 的ndarray 类型的数组。
numpy 模块的 array 函数可以生成多维数组。例如，如果要生成一个二维数组，需要向 array 函数传递一个列表类型的参数。每一个列表元素是一维的 ndarray 类型数组，作为二维数组的行。另外，通过 ndarray 类的 shape 属性可以获得数组每一维的元素个数（元组形式），也可以通过 shape[n]形式获得每一维的元素个数，其中 n 是维度，从 0 开始。
语法格式如下：
表 1-1 array 参数说明 
【示例2】 创建一维数组
执行结果如图 
【示例3】创建二维数组
执行结果如图
【示例4】array()函数 ndmin 参数的使用
执行结果如图 
【示例5】array()函数 dtype 参数的使用
执行结果如图 
使用 arange 函数创建数值范围并返回 ndarray对象，函数语法格式如下：
下图是arange 参数说明 
【示例6】arange()函数创建数组
执行结果如图 
【示例 7】arange()函数指定起始值、终止值及步长
执行结果如图 
【示例8】arange()函数创建二维数组
执行结果如图 
numpy 中的 random 模块包含了很多方法可以用来产生随机数，对 random 中的一些常用方法如表所示： 
【示例9】numpy.random.random(size=None)的使用