选择 NUMPY 的原因及其工作原理?

多维数组是 NumPy 库的中心数据结构，通常代表值的网格。NumPy 的 ndarray 是一个同构的 n 维数组对象，描述了类似类型的元素或项的集合。在这些 ndarrays 中，每个项都包含大小相同的内存块，且每个内存块都采用同一识别方式。这能够高效、快速、轻松地处理科学计算的数据。

NumPy 数组运算速度比 Python Lists 要快，因为 NumPy 数组是类似数据类型的编译，并且在内存中密集打包。相比之下，Python Lists 可以具有不同的数据类型，在系统执行计算时会增加对这些数据类型的限制。

NumPy 具有以下重要优势和特性：

NumPy 的 ndarray 计算概念是 Python 和 PyData 科学生态系统的核心。

NumPy 为高度优化的 C 函数提供了 Python 前端，可提供简单的 Python 接口，并实现编译代码的速度。

NumPy 强大的 N 维数组对象可与各种库集成。

与使用 Python 的内置列表相比，NumPy 数组可以更高效地使用大型数据集来执行高级数学运算，且使用的代码更少。对于大小和速度至关重要的科学计算序列而言，这一点至关重要。