Numpy（Numerical Python）是一个开源的Python科学计算库，用于快速处理任意维度的数组。
Numpy使用ndarray对象来处理多维数组。
1.N维数组-ndarray
创建ndarray：np.array([])
ndarray的属性
创建数组时可指定类型
2.基本操作
生成0和1的数组
np.ones(shape[, dtype, order])
np.ones_like(a[, dtype, order, subok])
np.zeros(shape[, dtype, order])
np.zeros_like(a[, dtype, order, subok])
a = np.ones([2, 3])
print(a)
b = np.ones_like(a)
print(b)
从现有数组生成
np.array(object[, dtype, copy, order, subok, ndmin])
np.asarray(a[, dtype, order])
a = np.array([[1,2,3],[4,5,6]])
print('a: ', a)
a1 = np.array(a)
print('a1: ', a1)
a2 = np.asarray(a)
print('a2: ', a2)
a[1] = 2 # 修改数据
print('a: ', a) # 修改后的a
print('a1: ', a1) # 数据不变
print('a2: ', a2) # 数据随a改变
生成固定范围数组
numpy.linspace (start, stop, num, endpoint) 生成等间隔的序列
start 序列的起始值
stop 序列的终止值，
num 要生成的等间隔样例数量，默认为50
endpoint 序列中是否包含stop值，默认为ture
numpy.arange(start,stop, step, dtype)
numpy.logspace(start,stop, num)
生成随机数组
np.random模块
np.random.rand(d0, d1, …, dn)
返回[0.0，1.0)内的一组均匀分布的数
np.random.uniform(low=0.0, high=1.0, size=None)
功能：从一个均匀分布[low,high)中随机采样，注意定义域是左闭右开，即包含low，不包含high.
参数介绍:low: 采样下界，float类型，默认值为0；
high: 采样上界，float类型，默认值为1；
size: 输出样本数目，为int或元组(tuple)类型，例如，size=(m,n,k), 则输出mnk个样本，缺省时输出1个值。
返回值：ndarray类型，其形状和参数size中描述一致。
np.random.randint(low, high=None, size=None, dtype=‘l’)
从一个均匀分布中随机采样，生成一个整数或N维整数数组，取数范围：若high不为None时，取[low,high)之间随机整数，否则取值[0,low)之间随机整数。
np.random.randn(d0, d1, …, dn)
功能：从标准正态分布中返回一个或多个样本值
np.random.normal(loc=0.0, scale=1.0, size=None)
参数介绍： loc：float 此概率分布的均值（对应着整个分布的中心centre）
scale：float 此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高）
size：int or tuple of ints 输出的shape，默认为None，只输出一个值
np.random.standard_normal(size=None)
返回指定形状的标准正态分布的数组。
形状修改
resize:给定一个数组，和特定维度，返回一个给定维度形式的新数组。如果新数组比原数组大，则将会copy原数组中的值对新数组进行填充
reshape:在不改变原数组数据的情况下，将它reshape成一个新的维度。如果给定的数组数据和需要reshape的形状不符合时，将会报错。
类型修改
ndarray.astype(type)
数组去重
np.unique()
ndarray运算
逻辑运算：
大于，小于直接进行判断
赋值：满足要求，直接进行赋值
通用判断函数：
np.all() 全部满足条件为ture
np.any() 有一个满足条件为true
np.where() 三元运算符
如：np.where(temp > 0, 1, 0) temp中大于0的置1，否则为0
·复合逻辑需要结合np.logical_and和np.logical_or使用
np.where(np.logical_and(temp > 0.5, temp < 1), 1, 0) 大于0.5且小于1置1，否则为0
统计指标：min，max，median，mean，std，var
广播机制
功能是为了方便不同形状的ndarray（numpy库的核心数据结构）进行数学运算。
当操作两个数组时，numpy会逐个比较它们的shape（构成的元组tuple），只有在下述情况下，两个数组才能够进行数组与数组的运算。
①维度相等
②shape（其中相对应的一个地方为1）
矩阵乘法
np.matmul
np.dot
二者都是矩阵乘法。 np.matmul中禁止矩阵与标量的乘法。 在矢量乘矢量的內积运算中，np.matmul与np.dot没有区别。