NumPy(Python开发工具)V1.19.4官方版

　　NumPy是一款数据Python开发环境，包括强劲的N维数组目标、繁杂的(广播节目)作用，集成化C/C 和Fortran编码的专用工具，有效的线性代数，傅里叶变换和随机数字作用。 【功能介绍】 　　强劲的N维数组 　　NumPy矢量化，数据库索引和广播节目定义迅速且通用性，是现如今列阵计算的具体规范。标值计算专用工具 　　NumPy出示了全方位的数学课作用，随机数生成器器，线性代数方法，傅里叶变换等。可互操作的 　　NumPy适用普遍的硬件配置和计算服务平台，而且能够与分布式系统，GPU和稀少列阵库一起非常好地应用。演出者 　　NumPy的关键是历经提升的C编码。依靠编译程序后的编码，享有Python的协调能力。方便使用 　　NumPy的高級英语的语法使其能够为来源于一切情况或工作经验水准的程序猿浏览并提升 生产主力。开源系统的 　　NumPy是在对外开放的BSD批准下发售的，由一个活跃性，回应快速且多元化的小区在GitHub上公布开发设计和维护保养。 　　NumPy坐落于丰富多彩的计算机科学公共图书馆生态体系的关键。 　　典型性的探究性计算机科学工作内容很有可能以下所显示： 　　获取，变换，载入： Pandas， Intake， PyJanitor 　　探究性剖析： Jupyter， Seaborn， Matplotlib， Altair 　　模型和评定： scikit-learn， statsmodels， PyMC3， spaCy 　　汽车仪表板中的汇报： Dash， Panel， Voila 　　针对高信息量，Dask和 Ray是按占比放缩的。 　　平稳的布署取决于数据信息版本控制（DVC），试验跟 踪（MLFlow）和工作流引擎自动化技术（Airflow和 Prefect）。 【软件特点】 　　分布式系统列阵和高級并行处理剖析作用，可完成规模性特性。 　　兼容NumPy的数组库，用于应用Python开展GPU加快计算。 　　NumPy程序流程的可组成变换：区别，矢量化，及时编译程序到GPU / TPU。 　　带标识的数据库索引多维数组，用于高級剖析和可视化 　　兼容NumPy的稀少数组库，该库与Dask和SciPy的稀少线性代数集成化。 　　深度神经网络架构可加速从科学研究原形到生产制造布署的全过程。 　　深度学习的端到端服务平台，可轻轻松松搭建和布署根据ML的应用软件。 　　深度神经网络架构适用于灵便的科学研究原形和生产制造。 　　用于列式运行内存数据信息和剖析的跨語言软件开发平台。 　　具备广播节目和可塑性计算的多维数组，用于数值计算方法。 　　开发设计用于数组计算的库，再次建立NumPy的基本要素。 　　使API与完成挂钩的Python后端系统；unumpy出示了一个NumPy API。 　　Tensor学习培训，代数和后端开发可无缝拼接应用NumPy，MXNet，PyTorch，TensorFlow或CuPy 【软件优点】 　　由例如XGBoost， LightGBM和 CatBoost这类的专用工具完成的ML优化算法包含称之为集成化方式的统计分析技术性 　　Yellowbrick和 Eli5 出示深度学习可视化。 　　NumPy是快速发展趋势的Python可视化行业的关键构成部分 　　在其中包含 Matplotlib， Seaborn， Plotly， Altair， Bokeh， Holoviz，Vispy和 Napari等。 　　NumPy对大中型数组的加快解决使科学研究工作人员能够可视化远远超过该设备Python能够解决的数据。