3.2.1 NumPy 概述

学习目标

• 了解 NumPy 是什么以及它在 Python 生态中的地位
• 理解 ndarray 和 Python list 的区别
• 安装 NumPy 并运行第一段代码
• 直观感受 NumPy 的性能优势

---

NumPy 是什么？

NumPy（Numerical Python）是 Python 中用于科学计算的核心库。如果说 Python 是一辆汽车，那 NumPy 就是它的引擎——几乎所有数据科学和 AI 相关的库都建立在 NumPy 之上。

简单来说：学数据分析和 AI，NumPy 是绕不开的第一站。

---

为什么需要 NumPy？

在第 1 章的预热练习中，我们用纯 Python 处理数据，遇到了很多痛点。那 NumPy 能帮我们解决什么问题呢？

Python 列表的局限

回忆一下，如果我们想把一组数字都乘以 2：

# 纯 Python：需要写循环
numbers = [1, 2, 3, 4, 5]
result = []
for n in numbers:
    result.append(n * 2)
print(result)  # [2, 4, 6, 8, 10]

# 或者用列表推导式
result = [n * 2 for n in numbers]

如果想计算两组数据对应位置的和：

a = [1, 2, 3, 4, 5]
b = [10, 20, 30, 40, 50]
result = [a[i] + b[i] for i in range(len(a))]
print(result)  # [11, 22, 33, 44, 55]

这些操作很常见，但每次都要写循环，既麻烦又慢。

NumPy 的解决方案

import numpy as np

# NumPy：直接对整个数组操作，不用循环！
numbers = np.array([1, 2, 3, 4, 5])
result = numbers * 2
print(result)  # [ 2  4  6  8 10]

# 两组数据相加
a = np.array([1, 2, 3, 4, 5])
b = np.array([10, 20, 30, 40, 50])
result = a + b
print(result)  # [11 22 33 44 55]

不用循环，一行搞定！ 这就是 NumPy 的核心能力——向量化运算。

---

安装 NumPy

如果你用 Miniconda / Anaconda，NumPy 通常已经预装了。如果没有：

# 用 pip 安装
python -m pip install --upgrade numpy

# 或用 conda 安装
conda install numpy

验证安装：

import numpy as np
print(np.__version__)  # 如 1.26.4
print("NumPy 安装成功！")

import 别名

import numpy as np 是约定俗成的写法。在整个数据科学社区中，几乎所有人都把 NumPy 简写为 np。后面我们也统一用 np。

---

ndarray vs Python list

NumPy 的核心是 ndarray（N-dimensional array，N 维数组）。它和 Python 的 list 有什么区别？

外观对比

import numpy as np

# Python list
py_list = [1, 2, 3, 4, 5]
print(type(py_list))   # <class 'list'>
print(py_list)          # [1, 2, 3, 4, 5]

# NumPy ndarray
np_array = np.array([1, 2, 3, 4, 5])
print(type(np_array))  # <class 'numpy.ndarray'>
print(np_array)         # [1 2 3 4 5]  ← 注意：没有逗号！

核心区别

特性	Python list	NumPy ndarray
数据类型	可以混装（整数、字符串、对象混在一起）	所有元素必须是同一类型
运算方式	需要循环逐个处理	支持向量化运算，整体操作
内存布局	元素分散存储	元素连续存储，更紧凑
运算速度	慢（Python 解释器逐个处理）	快（底层用 C 语言优化）
功能	通用容器	专为数值计算设计，自带大量数学函数

为什么同类型这么重要？

# Python list 可以混装
mixed = [1, "hello", 3.14, True]  # ✅ 没问题

# NumPy 数组要求同类型
arr = np.array([1, 2, 3])       # 全是整数 → int64
arr2 = np.array([1, 2.5, 3])    # 有浮点数 → 自动变成 float64
print(arr.dtype)   # int64
print(arr2.dtype)  # float64

正因为所有元素类型相同，NumPy 才能使用底层 C 代码进行高效的批量运算，而不用像 Python list 那样逐个检查类型。

---

性能对比：眼见为实

空口无凭，让我们实际测一下 NumPy 到底有多快：

import numpy as np
import time

# 准备 100 万个数字
size = 1_000_000
py_list = list(range(size))
np_array = np.arange(size)

# Python list：用循环把每个数乘以 2
start = time.time()
result_py = [x * 2 for x in py_list]
time_py = time.time() - start
print(f"Python list: {time_py:.4f} 秒")

# NumPy：直接向量化运算
start = time.time()
result_np = np_array * 2
time_np = time.time() - start
print(f"NumPy array: {time_np:.4f} 秒")

# 速度对比
print(f"\nNumPy 快了约 {time_py / time_np:.0f} 倍！")

典型输出：

Python list: 0.0580 秒
NumPy array: 0.0008 秒

NumPy 快了约 72 倍！

为什么这么快？

NumPy 的底层是用 C 语言编写的，并且利用了 CPU 的 SIMD 指令（单指令多数据），可以一次处理多个数据。而 Python 的 for 循环每次只能处理一个元素，还要经过 Python 解释器的类型检查。

打个比方：Python list 是手工一个一个搬砖，NumPy 是开铲车批量搬运。

---

快速体验：NumPy 能做什么

在深入学习之前，先快速体验一些 NumPy 的常见操作：

创建数组

import numpy as np

# 从列表创建
a = np.array([1, 2, 3, 4, 5])

# 创建全 0 数组
zeros = np.zeros(5)
print(zeros)  # [0. 0. 0. 0. 0.]

# 创建全 1 数组
ones = np.ones(3)
print(ones)   # [1. 1. 1.]

# 创建等差数列
seq = np.arange(0, 10, 2)  # 从 0 到 10，步长 2
print(seq)    # [0 2 4 6 8]

# 创建均匀分布的数列
lin = np.linspace(0, 1, 5)  # 从 0 到 1，均匀取 5 个点
print(lin)    # [0.   0.25 0.5  0.75 1.  ]

数学运算

a = np.array([1, 2, 3, 4, 5])

print(a + 10)      # [11 12 13 14 15]  每个元素加 10
print(a ** 2)       # [ 1  4  9 16 25]  每个元素平方
print(np.sqrt(a))   # [1.   1.41 1.73 2.   2.24]  每个元素开方

统计计算

scores = np.array([85, 92, 78, 95, 88, 72, 90, 85])

print(f"平均分: {np.mean(scores):.1f}")     # 85.6
print(f"最高分: {np.max(scores)}")           # 95
print(f"最低分: {np.min(scores)}")           # 72
print(f"标准差: {np.std(scores):.1f}")       # 7.3
print(f"中位数: {np.median(scores):.1f}")    # 86.5

多维数组

# 创建一个 3×3 的二维数组（矩阵）
matrix = np.array([
    [1, 2, 3],
    [4, 5, 6],
    [7, 8, 9]
])
print(matrix)
# [[1 2 3]
#  [4 5 6]
#  [7 8 9]]

print(f"形状: {matrix.shape}")   # (3, 3)
print(f"维度: {matrix.ndim}")    # 2
print(f"总元素: {matrix.size}")  # 9

---

NumPy 在 AI 中的应用

你可能会问：NumPy 和 AI 有什么关系？其实关系非常密切：

AI 场景	NumPy 的角色
图像处理	一张图片就是一个三维数组（高度 × 宽度 × 颜色通道）
数据预处理	归一化、标准化、缺失值填充都用 NumPy
特征计算	计算均值、方差、相关系数等统计量
神经网络	PyTorch 的 Tensor 和 NumPy 的 ndarray 可以无缝转换
词向量	NLP 中的词嵌入就是一组 NumPy 向量
矩阵运算	机器学习的核心就是矩阵乘法和梯度计算

举个例子——一张 RGB 彩色图片在计算机中就是一个 NumPy 数组：

import numpy as np

# 模拟一张 4×4 的彩色图片（实际图片可能是 1920×1080×3）
rng = np.random.default_rng(seed=42)
image = rng.integers(0, 256, size=(4, 4, 3), dtype=np.uint8)
print(f"图片形状: {image.shape}")  # (4, 4, 3)  → 4 行 × 4 列 × 3 个颜色通道(RGB)
print(f"总像素值: {image.size}")   # 48 个数字

---

留下的证据

学完这一页，至少保留这张证据卡：

数组状态

操作前的形状、dtype、轴和样本值

操作

索引、切片、广播、reshape、线性代数，或随机/统计函数

输出

结果数组形状、值，或统计量

失败检查

轴混淆、视图/副本陷阱、广播不匹配或形状错误

期望产出

打印的形状和值，便于检查数组运算

小结

要点	说明
NumPy 是什么	Python 科学计算的核心库，几乎所有 AI/数据库都依赖它
核心数据结构	ndarray（N 维数组），所有元素类型相同
为什么快	底层 C 实现 + 连续内存 + 向量化运算
vs Python list	速度快几十到上百倍，运算更方便
导入约定	import numpy as np

预告

下一节我们将深入学习 NumPy 数组的创建方法和基本属性——这是后续所有操作的基础。

---

动手练习

练习 1：安装与验证

确保你的环境中已安装 NumPy，并打印版本号。

练习 2：性能对比

自己跑一遍性能对比代码，试试把数据量改成 500 万、1000 万，看看速度差异变化。

练习 3：初体验

创建一个包含 1 到 100 所有整数的 NumPy 数组，然后：

1. 计算所有数字的总和
2. 计算平均值
3. 找出最大值和最小值
4. 计算所有数字的平方和

import numpy as np

arr = np.arange(1, 101)  # 1 到 100

total = arr.sum()
average = arr.mean()
max_val = arr.max()
min_val = arr.min()
square_sum = (arr ** 2).sum()

print("total =", total)
print("average =", average)
print("max =", max_val)
print("min =", min_val)
print("square_sum =", square_sum)

参考实现与讲解

• 对 np.arange(1, 101)，期望结果是总和 5050，均值 50.5，最小值 1，最大值 100，平方和 338350。
• 向量化版本应当和循环版本得到完全相同的数值，但当数组扩大到几千、几百万个元素时，速度优势才会明显。
• 如果小数组上的计时结果看起来忽快忽慢，这是正常的。先增大数据量并重复测量，再下性能结论。