NumPy 是使用 Python 进行科学计算的基础包。NumPy 的矢量化、索引和广播概念快速且用途广泛，是当今数组计算的事实标准。它提供全面的数学函数、随机数生成器、线性代数例程、傅里叶变换等。NumPy 支持广泛的硬件和计算平台，并且可以与分布式、GPU 和稀疏数组库很好地配合。

• 网站：https://numpy.org
• 文档：https://numpy.org/doc
• 源代码：https://github.com/numpy/numpy
• 贡献：https://numpy.org/devdocs/dev/index.html
• 错误报告：https://github.com/numpy/numpy/issues
• 报告安全漏洞：https://tidelift.com/docs/security

它提供：

• 强大的 N 维数组对象
• 复杂的（广播）函数
• 用于集成 C/C++ 和 Fortran 代码的工具
• 实用的线性代数、傅里叶变换和随机数功能

测试：

NumPy 需要 pytest 和 hypothesis。安装后可以使用以下命令运行测试：

python -c "import numpy, sys; sys.exit(numpy.test() is False)"

行为准则

NumPy 是一个由社区驱动的开源项目，由多元化的贡献者团队开发。NumPy 领导层致力于创建一个开放、包容、积极的社区。请阅读 NumPy 行为准则，了解如何与他人互动，从而促进社区蓬勃发展。

征集贡献

NumPy 项目欢迎您的专业知识和热情！

我们始终欢迎您提供小的改进或修复。如果您考虑对源代码做出更大规模的贡献，请先通过邮件列表与我们联系。

编写代码并非为 NumPy 做出贡献的唯一方式。您还可以：

• 审核 Pull Request
• 帮助我们掌握最新和旧的问题
• 开发教程、演示文稿和其他教育材料
• 维护和改进我们的网站
• 为我们的品牌资产和宣传材料进行平面设计
• 翻译网站内容
• 帮助拓展和吸纳新贡献者
• 撰写拨款提案并协助其他筹款活动

欲了解更多关于如何为 NumPy 做出贡献的信息，请访问我们的网站。如果您不确定从哪里开始或您的技能如何融入其中，请联系我们！您可以在邮件列表或 GitHub 上提问，方法是创建新问题或在已开放的相关问题上发表评论。

我们首选的沟通渠道都是公开的，但如果您想先私下交流，请联系我们的社区协调员，邮箱地址为numpy-team@googlegroups.com，或通过 Slack（发送邮件至 numpy-team@googlegroups.com 获取邀请）。

我们每两周还会举行一次社区电话会议，详情已在邮件列表中公布。欢迎您加入。

如果您是开源贡献新手，本指南 将帮助您了解参与的原因、内容以及如何成功参与。