NumPy(Python開發(fā)工具)是一款專門為Python語言提供輔助的開發(fā)工具，其強(qiáng)大的功能可幫助開發(fā)者更加有效率的完成開發(fā)工作。工具內(nèi)包含了強(qiáng)大的N維數(shù)組對象、復(fù)雜的廣播功能，集成C/C++和Fortran等代碼，為開發(fā)者提供更加全面性的功能，有需要的用戶快來下載體驗一下吧！

軟件功能

強(qiáng)大的N維數(shù)組

NumPy矢量化，索引和廣播概念快速且通用，是當(dāng)今陣列計算的實際標(biāo)準(zhǔn)。數(shù)值計算工具

NumPy提供了全面的數(shù)學(xué)功能，隨機(jī)數(shù)生成器，線性代數(shù)例程，傅立葉變換等。可互操作的

NumPy支持廣泛的硬件和計算平臺，并且可以與分布式，GPU和稀疏陣列庫一起很好地使用。表演者

NumPy的核心是經(jīng)過優(yōu)化的C代碼。借助編譯后的代碼，享受Python的靈活性。使用方便

NumPy的高級語法使其可以為來自任何背景或經(jīng)驗水平的程序員訪問并提高生產(chǎn)力。開源的

NumPy是在開放的BSD許可下發(fā)行的，由一個活躍，響應(yīng)迅速且多樣化的社區(qū)在GitHub上公開開發(fā)和維護(hù)。

NumPy位于豐富的數(shù)據(jù)科學(xué)圖書館生態(tài)系統(tǒng)的核心。

典型的探索性數(shù)據(jù)科學(xué)工作流程可能如下所示：

提取，轉(zhuǎn)換，加載： Pandas， Intake， PyJanitor

探索性分析： Jupyter， Seaborn， Matplotlib， Altair

建模和評估： scikit-learn， statsmodels， PyMC3， spaCy

儀表板中的報告： Dash， Panel， Voila

對于高數(shù)據(jù)量，Dask和 Ray是按比例縮放的。

穩(wěn)定的部署依賴于數(shù)據(jù)版本控制（DVC），實驗跟 蹤（MLFlow）和工作流自動化（Airflow和 Prefect）。

軟件特色

分布式陣列和高級并行分析功能，可實現(xiàn)大規(guī)模性能。

兼容NumPy的數(shù)組庫，用于使用Python進(jìn)行GPU加速計算。

NumPy程序的可組合轉(zhuǎn)換：區(qū)分，矢量化，即時編譯到GPU / TPU。

帶標(biāo)簽的索引多維數(shù)組，用于高級分析和可視化

兼容NumPy的稀疏數(shù)組庫，該庫與Dask和SciPy的稀疏線性代數(shù)集成。

深度學(xué)習(xí)框架可加快從研究原型到生產(chǎn)部署的過程。

機(jī)器學(xué)習(xí)的端到端平臺，可輕松構(gòu)建和部署基于ML的應(yīng)用程序。

深度學(xué)習(xí)框架適用于靈活的研究原型和生產(chǎn)。

用于列式內(nèi)存數(shù)據(jù)和分析的跨語言開發(fā)平臺。

具有廣播和惰性計算的多維數(shù)組，用于數(shù)值分析。

開發(fā)用于數(shù)組計算的庫，重新創(chuàng)建NumPy的基本概念。

使API與實現(xiàn)脫鉤的Python后端系統(tǒng)；unumpy提供了一個NumPy API。

Tensor學(xué)習(xí)，代數(shù)和后端可無縫使用NumPy，MXNet，PyTorch，TensorFlow或CuPy

軟件優(yōu)勢

由諸如XGBoost， LightGBM和 CatBoost之類的工具實現(xiàn)的ML算法包括稱為集成方法的統(tǒng)計技術(shù)

Yellowbrick和 Eli5 提供機(jī)器學(xué)習(xí)可視化。

NumPy是迅速發(fā)展的Python可視化領(lǐng)域的重要組成部分

其中包括 Matplotlib， Seaborn， Plotly， Altair， Bokeh， Holoviz，Vispy和 Napari等。

NumPy對大型數(shù)組的加速處理使研究人員可以可視化遠(yuǎn)超過本機(jī)Python可以處理的數(shù)據(jù)集。