NumPy là gói cơ bản cho tính toán khoa học trong Python. Nó là một thư viện Python cung cấp đối tượng mảng đa chiều, các đối tượng dẫn xuất khác nhau [chẳng hạn như mảng bị che và ma trận] và một loạt các quy trình cho các thao tác nhanh trên mảng, bao gồm thao tác toán học, logic, hình dạng, sắp xếp, chọn, I/O
Cốt lõi của gói NumPy là đối tượng ndarray. Điều này đóng gói các mảng n chiều của các kiểu dữ liệu đồng nhất, với nhiều thao tác được thực hiện trong mã được biên dịch để thực hiện. Có một số khác biệt quan trọng giữa mảng NumPy và chuỗi Python tiêu chuẩn
Mảng NumPy có kích thước cố định khi tạo, không giống như danh sách Python [có thể phát triển linh hoạt]. Thay đổi kích thước của ndarray sẽ tạo một mảng mới và xóa mảng gốc
Tất cả các phần tử trong mảng NumPy đều được yêu cầu phải có cùng kiểu dữ liệu và do đó sẽ có cùng kích thước trong bộ nhớ. Sự ngoại lệ. người ta có thể có các mảng đối tượng [Python, bao gồm cả NumPy], do đó cho phép các mảng gồm các phần tử có kích thước khác nhau
Mảng NumPy tạo điều kiện thuận lợi cho toán học nâng cao và các loại hoạt động khác trên số lượng lớn dữ liệu. Thông thường, các hoạt động như vậy được thực thi hiệu quả hơn và sử dụng ít mã hơn có thể bằng cách sử dụng trình tự dựng sẵn của Python
Ngày càng có nhiều gói khoa học và toán học dựa trên Python đang sử dụng mảng NumPy; . Nói cách khác, để sử dụng hiệu quả nhiều [thậm chí là hầu hết] phần mềm khoa học/toán học dựa trên Python ngày nay, chỉ biết cách sử dụng các kiểu trình tự dựng sẵn của Python là chưa đủ - người ta cũng cần biết cách sử dụng mảng NumPy
Các điểm về kích thước và tốc độ chuỗi đặc biệt quan trọng trong tính toán khoa học. Ví dụ đơn giản, xét trường hợp nhân từng phần tử trong dãy 1-D với phần tử tương ứng trong dãy khác có cùng độ dài. Nếu dữ liệu được lưu trữ trong hai danh sách Python, a và b, chúng ta có thể lặp lại từng phần tử
c = [] for i in range[len[a]]: c.append[a[i]*b[i]]
Điều này tạo ra câu trả lời đúng, nhưng nếu mỗi a và b chứa hàng triệu con số, chúng ta sẽ phải trả giá cho sự thiếu hiệu quả của vòng lặp trong Python. Chúng ta có thể hoàn thành nhiệm vụ tương tự nhanh hơn nhiều bằng C bằng cách viết [để rõ ràng, chúng ta bỏ qua các khai báo và khởi tạo biến, cấp phát bộ nhớ, v.v. ]
for [i = 0; i