由 dawei 为什么使用 Numpy？
实际上 Python 本身含有列表（list）和数组（array），但对于大数据来说，这些结构是有很多不足的。
由于列表的元素可以是任何对象，因此列表中所保存的是对象的指针。例如为了保存一个简单的[1,2,3]，都需要有 3 个指针和 3 个整数对象。对于数值运算来说，这种结构显然比较浪费内存和 CPU 等宝贵资源。
至于 array 对象，它可以直接保存数值，和C语言的一维数组比较类似。但是由于它不支持多维，在上面的函数也不多，因此也不适合做数值运算。
Numpy 的诞生弥补了这些不足，它提供了两种基本的对象：ndarray（N-dimensional Array Object）和 ufunc（Universal Function Object）。ndarray 是存储单一数据类型的多维数组，而 ufunc 则是能够对数组进行处理的函数。
NumPy 和数值计算
NumPy 通常与 SciPy（Scientific Python）和 Matplotlib（绘图库）一起使用， 这种组合广泛用于替代 MatLab，是一个强大的科学计算环境，有助于我们通过 Python 学习数据科学或者机器学习。
SciPy 是一个开源的 Python 算法库和数学工具包。
SciPy 包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。
Matplotlib 是 Python 编程语言及其数值数学扩展包 NumPy 的可视化操作界面，它为利用通用的图形用户界面工具包，如 Tkinter、wxPython、GTK+ 等向应用程序嵌入式绘图提供了应用程序接口（API）。
Python 和机器学习
在机器学习和深度学习中，图像、声音、文本等输入数据最终都要转换为数组或矩阵。如何有效地进行数组和矩阵的运算？这就需要充分利用Numpy。
Numpy 是数据科学的通用语言，而且与 PyTorch 关系非常密切，它是科学计算、深度学习的基石。尤其对 PyTorch 而言，其重要性更加明显。PyTorch 中的 Tensor 与 Numpy 非常相似，它们之间可以非常方便地进行转换，掌握 Numpy 是学好 PyTorch 的重要基础。