學習自《深度學習入門》
Python是一個簡單、易讀、易記的編程語言，而且是開源的，可以免費地自由使用
- 憑藉着 NumPy（Numerical Python）、SciPy等優秀的數值計算、統計分析庫，在數據科學領域佔有不可動搖的地位
- 深度學習的框架中也有很多使用Python的場景，比如Caffe、TensorFlow、Chainer、Theano等著名的深度學習框架都提供了Python接口
綜上，Python是最適合數據科學領域的編程語言
一丶NumPy 的算術運算：加減乘除
NumPy是用於數值計算的庫，提供了很多高級的數學算法和便利的數組（矩陣）操作方法
x = np.array([1.0, 2.0, 3.0])
y = np.array([2.0, 4.0, 6.0])
x + y # 對應元素的加法
# >>>array([ 3., 6., 9.])
x - y
# >>>array([ -1., -2., -3.])
x * y # element-wise product
# >>>array([ 2., 8., 18.])
x / y
# >>>array([ 0.5, 0.5, 0.5])
- 當x和y的元素個數相同時，可以對各個元素進行算術運算。如果元素個數不同，程序就會報錯，所以元素個數保持一致非常重要。
x - 1
# >>>array([0., 1., 2.])
x + 1
# >>>array([2., 3., 4.])
x / 2
# >>>array([0.5, 1. , 1.5])
x * 2
# >>>array([2., 4., 6.])
- 也可以和單一的數值（標量）組合起來進行運算，需要在NumPy數組的各個元素和標量之間進行運算，這個功能也被稱爲廣播
附：廣播
NumPy中，形狀不同的數組之間也可以進行運算
標量10被擴展成了2 × 2的形狀，然後再與矩陣A進行乘法運算
Python等動態類型語言一般比C和C++等靜態類型語言（編譯型語言）運算速度慢。實際上，如果是運算量大的處理對象，用 C/C++寫程序更好。爲此，當 Python中追求性能時，人們會用 C/C++來實現處理的內容。Python則承擔“中間人”的角色，負責調用那些用 C/C++寫的程序NumPy中，主要的處理也都是通過C或C++實現的。因此，我們可以在不損失性能的情況下，使用 Python便利的語法。
二丶Matplotlib
Matplotlib是用來畫圖的庫。使用Matplotlib能將實驗結果視化，並在視覺上確認深度學習運行期間的數據。