背景
Python的数据科学以分析为主。大量的扩展包是 Python 的一大特色，包括各种适用于数据分析的例程和函数。有了这些扩展包，数据科学家们可以不用重复造轮子，节省了很多时间。其中一个重要的数学扩展包就是 NumPy。NumPy 是一个基础数学包，以其高效的多维数组函数而闻名，适用于线性代数，傅立叶变换，逻辑运算等。
本文从 NumPy 最基础的知识切入，包括 NumPy 里面的函数，如何创建 NumPy 数组，数组的索引、切片等，非常适合初学者。
认识NumPy
安装NumPy
如果您用 conda 管理安装的扩展包，请输入：
conda install numpy
如果您用 pip 管理安装的扩展包，请输入：
pip install numpy
新建一个 Jupyter notebook，导入 NumPy 扩展包
基础操作
创建列表（一维数组）：
创建高维数组：
多位数组形状:
修改数组中的元素：
使用 NumPy 的 arrange() 函数创建 NumPy 数组
使用 NumPy 的函数生成单位数组：
生成随机数
利用函数 rand() ， randn() ，或者 randint()，我们可以创建一个由随机数组成的数组。
例如，如果想生成一组包含六个元素的数组，每个元素都是从 0 到 6 平均分布的随机数，我们可以这样
NumPy的运算
作用于每个元素的函数
索引
切片
如果对数组进行切片，需要对数组的每一维都说明切片的索引。
如果把每次增加的索引数目设为负数，遍历的方向则为从后到前：
导入/导出文件
结语
除了 NumPy ，Python 还有一些含有类似函数的扩展包，如果有兴趣可以广泛涉猎，互相比较，找出最适合您当前任务的扩展包。
英文原文：https://www.analyticsindiamag.com/the-most-important-numpy-functions-you-should-know-when-learning-python/
译者：由云
