NumPy 是每个数据科学家工具箱中的扳手。 它是一个非常有用的数据处理库，也是所有数据科学家、分析师和工程师必备的技能。
如果您想学习这项热门技能，请继续阅读，本文将解释 NumPy 是什么、它为什么重要，以及最好的学习资源。
什么是 NumPy？
NumPy 代表数值 Python。 它是 Travis Oliphant 于 2005 年创建的库，用于数据分析。
NumPy 的核心是数组。 数组只是数据值的列表。 该数组可用于表示向量。 它与 Python 内置列表类型非常相似，但有一个关键区别。
与 Python 列表不同，NumPy 中的数据存储在连续的内存中。 这意味着这些值在内存中彼此相邻存储。 这使得访问值更快； 对于常见操作，NumPy 数组比 Python 列表快 50 倍。
与 Python 列表一样，数组可以将其他数组存储为元素。 这允许您创建更复杂的数学结构，如矩阵和高阶数组。 数组具有用于常见统计操作的有用方法，例如计算均值、中值和标准差。 您可以通过拆分、合并、塑形和重塑来修改它们。
使用 Numpy 的要求
- python安装
- 点安装
- 一个 IDE，例如 VSCode，或者更理想的是，一个基于 Notebook 的 IDE，例如 Jupyter
- Python知识
另请阅读：Jupyter Notebook 初学者入门
用例
- Numpy 用于数据科学任务，因为它具有更快的数组而不是内置的 Python 列表。
- 它可用于使用其内置函数解决线性代数问题。
- 由于其向量和矩阵的快速计算，它被用于机器学习。
- 它用于使用其随机统计函数生成随机数据集。
学习 NumPy 的课程
以下是学习 NumPy 和数据科学的一些最佳资源。 这些资源中的大多数假定您对 Python 有一定的了解。 如果您还没有学习过 Python，这里是我们学习 Python 的最佳资源列表。
深度学习先决条件：Python 中的 Numpy 堆栈
本 Udemy 课程提供了一个温和的指南，帮助您为使用 Python 进行深度学习做好准备。 本课程教您如何使用 Numpy 进行向量和矩阵计算。
此外，它还涵盖了 Pandas，一个用 Python 处理数据集的库：Matplotlib（一种数据可视化工具）和 Scipy（一个用 Python 计算统计数据的库）。
该课程包含六个小时的点播视频，一旦购买，您就可以终身免费访问。 它包括一个认证。 在尝试本课程之前，您应该熟悉并熟悉线性代数和 Python 编程。
使用 Python 进行数据分析：NumPy 和 Pandas 大师班
这门综合课程教您如何使用 Pandas 和 NumPy 分析数据。 该方法包括 216 个讲座、3 篇文章和 2 个可下载资源。 这为您提供了总共超过 13 小时的内容。
它首先向您介绍 NumPy 和数组的概念，数组是 NumPy 中的核心对象。 然后，本课程将教您使用 Pandas，这是一个流行且有用的库，用于处理数据集。 最后，您将使用 Matplotlib 库学习数据可视化。
这门课程与大多数课程的不同之处在于，它通过角色扮演来教您，使课程更加实用。 您将在一家大型跨国零售公司担任数据分析师，分析从其不同业务中收集的数据。 正如预期的那样，本课程假设您在开始课程之前对 Python 有一定的了解。
Python 和 NumPy 绝对初学者
本课程是 NumPy 上最适合初学者的课程之一。 虽然您应该了解 Python，但本课程从一开始就介绍了 NumPy。
首先向您介绍 NumPy 数组。 它解释了它们与 Python 列表的不同之处，以及它们如何更快、更适合数据科学、工程和分析。
此外，您还将了解可以使用这些数组执行的所有不同操作。 这些包括但不限于创建数组、使用索引访问它们、切片和连接它们以及整形和重塑它们。
本课程有两个小时的视频内容，并且只关注 Numpy。 您可以在一周内完成并获得认证。
NumPy 简介
DataCamp 的这门课程对 NumPy 的初学者很友好。 该课程时长约 4 小时，包括 13 个制作精良的视频和 49 个练习，可帮助您巩固所学的概念。
它是数据科学家轨道的一部分，因此如果您完成同一轨道中的其他课程，您将获得 DataCamp 数据科学家认证。
至于内容，它介绍了数组，并解释了在 Python 中使用数组相对于列表的优势。 接下来，您将学习广播和矢量化技术，使您的代码更快、更高效。 您将在 Monet 数据集上练习数组运算。
Simplilearn NumPy 教程
Simplilearn 的这个免费教程涵盖了 Numpy 的基础知识。 它很简短，开门见山。 这篇文章的解释很少，如果您将它用作参考，或者如果您已经知道 Numpy 是什么以及不同函数的作用，那么它是理想的选择。
文章中还包含代码片段，通过示例说明不同函数的用法。 当您赶时间并想在十分钟内学会 Numpy 时，它是理想的选择。 作为一篇文章，它没有地方可以练习或使用数据集。
您将必须自己设置练习环境并找到要练习的数据集。 Kaggle 是查找数据集和创建笔记本以实践数据科学的好地方。
W3学校
W3Schools 的这个教程是我个人最喜欢的。 它是免费且全面的，涵盖了 NumPy 的所有基础知识和更高级的主题，例如生成随机统计分布和使用通用函数实现矢量化。
教程总共有 43 个网页，其中包含简洁但足够的解释和代码片段，可以通过示例进行说明。 此外，w3schools 附带一个编辑器，用于编写 Numpy 查询和一个测验，您可以在其中测试您的知识。
所有这些都是可选的，但会有助于您的学习体验。 通过付费注册 Numpy 课程，您可以获得认证以添加到您的简历中。
洁牙课程
这门关于 Scaler 的课程组合得很好。 它包含六个模块，涵盖 NumPy、多维数组、数据结构、函数、广播和其他杂项概念的介绍。
它总共有 32 节课，视频内容为 5 小时 33 分钟。 有 26 个挑战可帮助您应用所学知识并巩固脑海中的概念。 完成课程后，您将获得证书。
正如预期的那样，您必须在开始课程之前了解 Python 编程语言。 第二个先决条件是在您的计算机上安装了 Python 和 Numpy 的 IDE。
Travis Oliphant 的 Numpy 指南
本书由 Numpy 的创建者编写，旨在为那些已经了解 Python 但想了解 Numpy 和其他工具的人提供参考。
在本书中，Travis Oliphant 不仅介绍了如何使用 Numpy，还介绍了如何使用 API 扩展它。 这可能是 Numpy 上最深入、最详细的资源。
它可能是 Numpy 的高级用户的理想选择，他们希望更深入地了解 Numpy 的工作原理和详细的指南，以便他们可以为库做出贡献和扩展。
Numpy 初学者指南，作者 Ivan Idris
这本关于 Numpy 的书旨在适合初学者。 它适用于已经熟悉 Python 但希望通过将 Numpy 作为一项额外技能来扩展他们的技能的科学家、工程师、程序员和分析师。
这本书涵盖了在本地机器上安装 Numpy、Matplotlib、Scipy 和 IPython。 然后介绍数组和可供您使用的不同数组函数。 然后您将使用该库执行矩阵运算并使用 Numpy.testing 测试您的代码。 总而言之，本书是Numpy的综合指南。
NumPy：从基础到高级作者：Karan Singh Bisht
标题“NumPy 从基础到高级”说明了一切。 本书旨在让您从对库一无所知到知道如何使用它的一些更高级的特性，成为一个缓坡。
这本书涵盖了基础知识，例如解释什么是数组，以及更高级和更深入的主题，例如 CPU 缓存效应和 Ndarray 的生命周期。 它旨在为您使用 Numpy 库进行进一步的机器学习工作打下坚实的基础。
FreeCodeCamp YouTube 教程
作为高质量编码和软件开发教程的来源，FreeCodeCamp 最近越来越受欢迎。 在其教程目录中有这个全面的 Numpy 教程。 像它的所有教程一样，它是免费提供的。
本教程大约一个小时，涵盖了 Numpy 的基础知识。 这是对图书馆的温和介绍，不会让刚入门的人不知所措。 如您所料，在观看视频之前假定您具备 Python 知识。
最后的话
Numpy 非常有用且用途广泛。 它是大多数数据科学和工程工作的预期工具。 本文向您介绍了 Numpy，并为您提供了对其关键概念的高级抽象概述。
此外，本文列出了可能有助于您学习 Python 的资源。 每种资源的简要说明能够帮助您做出明智的选择。
接下来，查看最适合数据科学家的 Python 库。
