Здесь представленные скрипты для иллюстрации методов, изложенных в статье "Нескучный NumPy" по адресу http://chel-center.ru/python-yfc/2019/10/01/neskuchnyj-numpy/
Это библиотека с открытым исходным кодом, некогда отделившаяся от проекта SciPy. NumPy является наследником Numeric и NumArray. Основан NumPy на библиотеке LAPAC, которая написана на Fortran. Не-python альтернативой для NumPy является Matlab. В силу того, что NumPy базируется на Fortran это быстрая библиотека. А в силу того, что поддерживает векторные операции с многомерными массивами — крайне удобная.
Удобно использовать в качестве шпаргалок полное справочное руковадство по NumPy https://pyprog.pro/reference_manual.html и Краткое руководство по Matplotlib https://pyprog.pro/mpl/mpl_short_guide.html
Кроме базового варианта (многомерные массивы в базовом варианте) NumPy включает в себя набор пакетов для решения специализированных задач, например:
- numpy.linalg — реализует операции линейной алгебры (простое умножение векторов и матриц есть в базовом варианте), https://docs.scipy.org/doc/numpy/reference/routines.linalg.html;
- numpy.random — реализует функции для работы со случайными величинами, https://docs.scipy.org/doc/numpy-1.16.0/reference/routines.random.html;
- numpy.fft — реализует прямое и обратное преобразование Фурье, https://docs.scipy.org/doc/numpy/reference/generated/numpy.fft.fft.html.
Итак, я предлагаю рассмотреть подробно всего несколько возможностей NumPy и примеров их использования, которых будет достаточно, чтобы вы поняли, на сколько мощный этот инструмент!