开源的Python科学计算库， 用于进行 大规模数值计算。 它是 数据科学 和机器学习生态系统中的 核心库 之一。 广泛用于 数据分析、科学计算、机器学习等领域。

1 主要特点

1.1 多维数组

强大的 n维数组对象 ndarray. 也称为 numpy.array , 这些数组具有固定类型，且支持高级的数组操作.

1.1.1 常用函数

shape

(1, 70000) 表示 行的大小是1， 列的大小是 70000. 是一个行向量。

和矩阵的定义 mn 相同， 即 Amn 表示m行n列矩阵。 当m是1、n为70000时 为行向量。

形状 (, 784) 表示一个二维数组，其中第一个维度（通常是批量大小）是未知的或未指定的，而第二个维度是784。

形状 (1, 784) 表示一个二维数组或矩阵，其中有1行和784列。

形状 (784,) 通常表示一个一维数组或向量，其中包含784个元素。

reshape

np.reshape(a, newshape)：给数组一个新的形状，不改变数据。

plt.imshow

是 Python 中 Matplotlib 库的一个函数，用于显示图像数据。

参数说明：

• image：要显示的图像数据，可以是二维数组（灰度图像）或三维数组（彩色图像）.
• norm：归一化对象，用于调整图像的亮度和对比度。

1.2 类型一致性

Numpy 的数组要求所有 元素必须是相同类型的， 这使得在底层实现优化，从而提高性能。

1.3 广播功能

NumPy 提供了广播机制， 允许Numpy 用不同大小的数组进行 算术运算

1.4 丰富的函数库

1.5 与C/C++的接口

NumPy 提供了与 C 和 C++ 的接口，允许调用这些语言编写的代码，进一步提高性能。