資料內(nèi)容：
在數(shù)據(jù)科學(xué)的廣闊領(lǐng)域中，NumPy 就像是一座堅(jiān)固的基石，支撐起無(wú)數(shù)強(qiáng)大的數(shù)據(jù)分析與機(jī)器學(xué)習(xí)應(yīng)
用。為什么這么說(shuō)呢？讓我們先從 Python 的原生數(shù)據(jù)結(jié)構(gòu) — 列表（list）講起。
假設(shè)你要對(duì)一個(gè)包含大量數(shù)字的列表進(jìn)行簡(jiǎn)單的數(shù)學(xué)運(yùn)算，比如每個(gè)元素都乘以 2。使用 Python 列表
，你可能會(huì)這樣寫(xiě)：
my_list?=?[1,?2,?3,?4,?5]
result_list?=?[]
for?num?in?my_list:
????result_list.append(num?*?2)
print(result_list)?
這段代碼雖然直觀，但當(dāng)數(shù)據(jù)量變得非常大時(shí)，效率就會(huì)成為問(wèn)題。每一次循環(huán)都需要進(jìn)行函數(shù)調(diào)用
和條件判斷，這在大規(guī)模數(shù)據(jù)處理中會(huì)帶來(lái)顯著的時(shí)間開(kāi)銷。
現(xiàn)在，讓我們看看 NumPy 是如何解決這個(gè)問(wèn)題的。首先，需要將列表轉(zhuǎn)換為 NumPy 數(shù)組：
