- Dans Numpy, les opérations sur les matrices et les vecteurs sont mises en œuvre de manière efficace. - Le tableau NumPy est plus rapide et vous obtenez beaucoup de fonctionnalités intégrées avec NumPy, FFTs, convolutions, recherche rapide, statistiques de base, algèbre linéaire, histogrammes, etc. - J'ai utilisé des bibliothèques d'apprentissage automatique comme sci-kit-learn ou tensorflow qui utilisent des tableaux numpy comme entrée, ce qui rend le calcul plus rapide. - Il prend en charge le calcul vectorisé. - Statistiques descriptives efficaces et agrégation/résumé des données. - En général, Numpy traite plus rapidement et utilise moins de code par rapport aux listes.

Nous pouvons effectuer tous types d'opérations sur un tableau en utilisant numpy.

Numpy est l'une des meilleures bibliothèques pour traiter les calculs scientifiques. Ce que je trouve le mieux, c'est qu'elle offre de multiples fonctions et on peut dire qu'elle est puissante pour traiter de grands calculs et facilite également les choses pour le programmeur. Exemple : je récupère des données d'un site web comme quandle ou NSE au format CSV, je lis ce fichier CSV et charge ces données dans une seule liste. Donc, que faire si je veux changer la dimension de cette liste. Numpy offre ce type de fonction, nous pouvons changer la dimension en utilisant une seule fonction.