人工智能之數據分析 numpy
第二章 簡介與安裝
(文章目錄)
前言
NumPy（Numerical Python 的簡稱）是 Python 中用於科學計算的核心庫之一。它提供了高性能的多維數組對象（ndarray）以及用於操作這些數組的工具，廣泛應用於數據分析、機器學習、圖像處理、物理模擬等領域。
一、NumPy 的主要特點
- 高效的多維數組對象：支持任意維度的數組，比 Python 原生列表更節省內存、運算更快。
- **廣播機制（Broadcasting）**：允許不同形狀的數組進行算術運算。
- 豐富的數學函數：如三角函數、統計函數、線性代數、傅里葉變換等。
- 與 C/C++ 和 Fortran 代碼集成良好：底層用 C 編寫，性能高。
- 是其他科學計算庫的基礎：如 Pandas、SciPy、Matplotlib、Scikit-learn 等都依賴 NumPy。
二、安裝 NumPy
方法 1：使用 pip 安裝（推薦）
在命令行（終端或 CMD）中運行：
pip install numpy
如果你使用的是 Python 虛擬環境，請先激活環境再執行上述命令。
方法 2：使用 conda 安裝（適用於 Anaconda 或 Miniconda 用户）
conda install numpy
驗證是否安裝成功
在 Python 中運行以下代碼：
import numpy as np
print(np.__version__)
如果輸出版本號（如 1.26.4），説明安裝成功。
三、簡單示例
import numpy as np
# 創建一個一維數組
a = np.array([1, 2, 3])
print(a) # [1 2 3]
# 創建一個二維數組
b = np.array([[1, 2], [3, 4]])
print(b)
# [[1 2]
# [3 4]]
# 數組運算（向量化操作）
c = a * 2
print(c) # [2 4 6]
四、常見問題
- 安裝慢？ 可以使用國內鏡像源，例如：
pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple/ - ImportError？ 確保你安裝的是當前 Python 環境對應的包（尤其注意虛擬環境）。
五、python版本推薦
截至 2025 年 11 月，在人工智能（AI）和機器學習（ML）生態中，Python 3.11 是目前“最全”且最推薦的版本之一——這裏的“最全”可以理解為：
- 庫支持最廣泛
- 性能提升顯著
- 語言特性現代且穩定
- 仍處於官方支持週期內
✅ 為什麼説 Python 3.11 是“最全”的？
1. 主流 AI/ML 庫全面兼容
截至 2025 年，幾乎所有核心 AI 框架均已正式支持 Python 3.11：
| 庫名 | 是否支持 Python 3.11 |
|---|---|
| PyTorch | ✅ 官方支持（≥2.0） |
| TensorFlow | ✅ 官方支持（≥2.13） |
| scikit-learn | ✅ 支持 |
| NumPy / SciPy / Pandas | ✅ 全面支持 |
| Hugging Face Transformers | ✅ 支持 |
| OpenCV / JAX / LightGBM / XGBoost | ✅ 均已適配 |
⚠️ 注意：TensorFlow 在 2.12 之前對 3.11 的支持有限，但 2.13+ 已完全適配。如果你使用的是較新版本（強烈建議），沒問題。
2. 性能顯著提升（官方宣稱快 10–25%）
Python 3.11 引入了 “Faster CPython” 項目的關鍵成果：
- 更快的函數調用
- 優化的解釋器啓動時間
- 改進的異常處理
- 對科學計算和模型訓練有實際加速效果（尤其在 CPU 密集型任務中）
3. 現代語言特性增強開發體驗
- 更好的錯誤提示（精確到具體表達式）
typing模塊增強（如Self、LiteralString）- 支持更清晰的異步編程（對大模型推理服務有用）
4. 仍在官方支持期內
- Python 3.11 發佈於 2022 年 10 月
- 官方安全更新支持將持續到 2027 年 10 月
- 遠優於已停止支持的 3.6–3.8
❗ 那 Python 3.12 或 3.13 呢？
- Python 3.12（2023 年發佈）：部分庫（如舊版 CUDA 綁定、某些 C 擴展）仍有兼容問題，不推薦用於生產 AI 項目。
- Python 3.13（預計 2024 年 10 月發佈）：截至 2025 年底可能剛開始被主流框架支持，**適合嚐鮮，但非“最全”**。
因此，3.11 是當前“功能最全 + 兼容最好 + 性能最強”的平衡點。
✅ 最終建議
🎯 新項目首選：Python 3.11（64 位） 🔧 配套工具：使用
conda或pyenv管理環境，搭配 PyTorch ≥2.1 / TensorFlow ≥2.13
後續
部分代碼已經上傳至gitee，後續會逐步更新，主要受時間原因限制，當然自己也可以克隆到本地學習拓展。
資料關注
公眾號：咚咚王 gitee：https://gitee.com/wy18585051844/ai_learning
《Python編程：從入門到實踐》 《利用Python進行數據分析》 《算法導論中文第三版》 《概率論與數理統計（第四版） (盛驟) 》 《程序員的數學》 《線性代數應該這樣學第3版》 《微積分和數學分析引論》 《（西瓜書）周志華-機器學習》 《TensorFlow機器學習實戰指南》 《Sklearn與TensorFlow機器學習實用指南》 《模式識別（第四版）》 《深度學習 deep learning》伊恩·古德費洛著 花書 《Python深度學習第二版(中文版)【純文本】 (登封大數據 (Francois Choliet)) (Z-Library)》 《深入淺出神經網絡與深度學習+(邁克爾·尼爾森（Michael+Nielsen）》 《自然語言處理綜論 第2版》 《Natural-Language-Processing-with-PyTorch》 《計算機視覺-算法與應用(中文版)》 《Learning OpenCV 4》 《AIGC：智能創作時代》杜雨+&+張孜銘 《AIGC原理與實踐：零基礎學大語言模型、擴散模型和多模態模型》 《從零構建大語言模型（中文版）》 《實戰AI大模型》 《AI 3.0》