1. NumPy家族

NumPy是Python科学计算的基础软件包，提供多了维数组对象，多种派生对象（掩码数组、矩阵等）以及用于快速操作数组的函数及API，它包括数学、逻辑、数组形状变换、排序、选择、I/O 、离散傅立叶变换、基本线性代数、基本统计运算、随机模拟等。

NumPy是SciPy家族的成员之一。SciPy家族是一个专门应用于数学、科学和工程领域的开源Python生态圈，其家族成员如上图所示。SciPy家族的核心成员为Matplotlib、SciPy和NumPy，可以概括为MSN这三个字母。

2. NumPy在Python生态圈中的地位

在Python的世界里，没有一个模块能够像NumPy那样支撑并影响着整个生态系统：从科学计算到数据处理，从视觉识别到机器学习，从神经网络到虚拟现实，处处都有它的身影。无论是OpenCV、OpenGL，还是Pandas、Matplotlib，抑或是Scikti-learn、TensorFlow、Keras、Theano、PyTorch，无不依赖于NumPy，尤其是依赖它所创造的数组对象（numpy.ndarray）。在Python生态圈中，NumPy的重要性和普遍性日趋增强。换句话说，为了高效地使用当今机器学习和数据处理等基于Python的工具包，只知道如何使用Python的列表是不够的，还需要熟练使用NumPy数组。

上面这一张图，展示的是Python生态圈中用于图像视觉处理、2D绘图、3D渲染、数据处理、机器学习等领域比较有名的5个工具模块，都深度依赖NumPy数组。可以说，没有NumPy的基础，任何人都很难用好上述这5个工具库。

• OpenCV：目前以人脸识别、自动驾驶等技术为代表的人工智能方兴未艾，其背后的图像和视觉处理，几乎都离不开 OpenCV，而 OpenCV 库中图像的数据结构，从 CV2 之后，全面转向了 NumPy，用 OpenCV 打开图像文件，得到的就是 NumPy 数组
• OpenGL：在三维领域大名鼎鼎的OpenGL，更是深度依赖NumPy，如果没有NumPy，我们无法想象如何操作动辄几万、几十万，甚至几百万的顶点数据集
• Pandas：这个是当下非常流行的数据分析工具包，相信很多人都是从Pandas开始接触数据处理的，而Pandas整个就是基于NumPy之上的扩展
• Matplotlib：作为NumPy生态圈的重要成员，二者关系自然是密不可分的
• scikit-learn：机器学习领域应用最广泛的工具包，则是建立在NumPy/SciPy/Matplotlib之上的，同样深度依赖NumPy

3. NumPy的组织架构

NumPy的核心是多维数组类numpy.ndarray，矩阵类numpy.matrix是多维数组类的派生类。以多维数组类为数据组织结构，NumPy提供了众多的数学、科学和工程函数。NumPy的组织结构如下图所示。

图中红色的两个子模块，numpy.core是NumPy的核心，包含ndarray、 ufuncs和dtypes等，numpy.lib提供NumPy的函数。这个两个子模块是私有的，所有的函数和对象都可以在numpy的命名空间中使用，使用时无需使用子模块名。

除了core和lib外，NumPy的其他常用子模块有：

• numpy.random ：随机抽样子模块
• numpy.ma：掩码数组子模块，用于处理包含无效或丢失的数据的数组
• numpy.linalg ：线性代数子模块
• numpy.fft ：离散傅里叶变换子模块
• numpy.math ：由C标准定义的数学函数子模块
• numpy.emath ：具有自动域的数学函数子模块
• numpy.rec ：记录数组子模块，数组元素是多个不同类型的数据的组合，类似结构体
• numpy.matrixlib ：矩阵类和函数子模块
• numpy.ctypeslib ：ctypes外部函数接口子模块
• numpy.polynomial：多项式子模块
• numpy.char：向量化字符串操作子模块
• numpy.testing ：测试支持子模块