施工计划来到数据分析以及爬虫部分，Python领域，提到数据，自然会联想到一个包，NumPy，它太通用了，Pandas，SciPy，Tensorflow，scikit-learn 都选它为基础框架，所以Python生态里，掌握NumPy几乎是必须的。
NumPy处理数据，书写精简，能方便地对数据进行切片，切块，多维向量操作。
一般常见的数据类型有四种，以excel或csv为代表的二维数组型表格，还有以单通道或多通道的图像cv文件，还有一维数组格式的音频文件，最后以输入文本为代表的nlp
这些不同种类的输入数据格式，都能通过NumPy方便的表示和处理。正因如此，进一步强化了NumPy的王者地位。
就拿32乘32像素的黑白图片而言，只需一行代码便提取出左上角的10个像素块：
In?[11]:?a=np.random.randint(0,255,size=(32,32))????????????????????????????????
#?提取左上角的10*10的像素块
In?[14]:?a[:10,:10]?????????????????????????????????????????????????????????????
Out[14]:?
array([[115,?168,??94,??97,?208,?249,??94,??11,?194,?185],
???????[?77,?130,?203,?188,?243,?207,?229,?213,?170,??52],
???????[250,??98,???7,?234,??69,?188,?152,??66,?210,?159],
???????[228,?252,?122,?126,??36,?126,?210,?176,??60,?136],
???????[103,??26,??98,??57,??56,?206,?221,???9,?165,??90],
???????[?47,?188,??55,??92,?169,???4,?150,?200,?105,??84],
???????[241,??36,?161,???3,??57,?198,?216,??26,??33,??13],
???????[?34,??65,?175,?213,??52,?159,???7,?102,?102,?133],
???????[214,?192,??38,?252,??12,??71,??38,??44,?165,?135],
???????[234,?105,?130,?189,?162,?247,??58,??80,??88,??83]])
接下来，看看NumPy的基础用法。
要想快速掌握NumPy，要理解一些基本原理，如应用最广泛的reshape方法，通过它能将一维数组转为多维，反之亦然。表象为多维，实质在内存中始终为一维。
结合图形可视化，加速理解NumPy中的这些基本运算，如两个一维数组相加的可视化：
再有，NumPy的重要机制之一：广播，可能有些读者对其有些迷惑，不知何为广播，借助可视化图，一看便知：
1个1.6，被广播为2个1.6，原因是要与前面的数组长度匹配上，然后逐元素相加。
除了数组对象之外，NumPy又封装一个矩阵对象，它能提供线代中的点乘操作，这是机器学习公式运算所需要的，点乘的可视化图形为：
点乘实际上等价于：
其他剩余操作，如按块索引、常见聚合操作，也有对应的可视化图。
我把它们整理为一个pdf文档，一共14页，取名为《图解入门NumPy》，感兴趣的可以私信交流，如果对你有用，记得点赞支持哈 ~