numpy是python中的一個擴充套件包，它支援以向量的方式進行高密度的計算，由於其底層採用C++實現，因此具有比較高的效率。為了安裝簡便，可以直接使用WinPython進行安裝，缺點就是每次使用時需要在方法前加入包名。

    相對於Python自帶的list物件，numpy向量的方式能夠保證運算具有較高的效率。這裡給出一個例子。

import numpy as np
import sys
import datetime as datetime
def pythonsum(n):
    a = list(range(n))
    b = list(range(n))
    c = []
    for i in range(len(a)):
        a[i] = i**2
        b[i] = i**3
        c.append(a[i]+b[i])
    return c
def numpysun(n):
    a = np.arange(n) ** 2
    b = np.arange(n) ** 3
    c = a + b
    return c
start = datetime.datetime.now()
numpysun(1000)
time = datetime.datetime.now() - start
print('the time wasted by numpy is' + str(time.microseconds))
start = datetime.datetime.now()
pythonsum(1000)
time = datetime.datetime.now() - start
print('the time wasted by python is' + str(time.microseconds))
 

    可以從時間上看出，使用numpy計算1000數量級的計算幾乎沒有消耗，而使用python則需要一些消耗了，而這一對比將隨著數量級的增加而越來越明顯。

    下面介紹numpy中幾個常見的用法：

a = np.arange(n)

a**2

start = datetime.datetime.now()