Numpy
概念
NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含：
- 一个强大的N维数组对象 ndarray
- 广播功能函数
- 整合 C/C++/Fortran 代码的工具
- 线性代数、傅里叶变换、随机数生成等功能
NumPy 通常与 SciPy（Scientific Python）和 Matplotlib（绘图库）一起使用， 这种组合广泛用于替代 MatLab，是一个强大的科学计算环境，适合学习数据科学或者机器学习。
主要方法
像数据类型、基本函数就不多讲了，记一下主要运用的方法和属性就行了。
创建数组
下列表中的参数为数组的属性，后面均有解释
| 方法 | 描述 |
|---|---|
| numpy.empty(shape, dtype = float, order = 'C') | 用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组 |
| numpy.zeros(shape, dtype = float, order = 'C') | 创建指定大小的数组，数组元素以 0 来填充 |
| numpy.ones(shape, dtype = None, order = 'C') | 创建指定形状的数组，数组元素以 1 来填充 |
| numpy.arange(start, stop, step, dtype) | 根据 start 与 stop 指定的范围以及 step 设定的步长，生成一个 ndarray。 |
| np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None) | 创建一个一维数组，数组是一个等差数列构成的 |
| np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None) | 创建一个于等比数列 |
| numpy.asarray(a, dtype = None, order = None) | 类似 numpy.array，用于将其它数据类型转换为 ndarray |
| numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0) | 用于实现动态数组，接受 buffer 输入参数，以流的形式读入转化成 ndarray 对象 |
| numpy.fromiter(iterable, dtype, count=-1) | 从可迭代对象中建立 ndarray 对象，返回一维数组 |
参数解释：
| 参数 | 描述 |
|---|---|
| shape | 数组形状 |
| dtype | 数据类型，可选 |
| order | 有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序 |
| a | 任意形式的输入参数，可以是，列表, 列表的元组, 元组, 元组的元组, 元组的列表，多维数组 |
| buffer | 可以是任意对象，会以流的形式读入 |
| count | 读取的数据数量，默认为-1，读取所有数据 |
| offset | 读取的起始位置，默认为0 |
| iterable | 可迭代对象 |
| dytpe | 返回数组的数据类型 *numpy.fromiter() |
切片和索引
记录一下常用的索引和切片方式，其实和列表差不多的：
import numpy as np
s = slice(2,7,2) # 从索引 2 开始到索引 7 停止，间隔为2
b = a[2:7:2] # 从索引 2 开始到索引 7 停止，间隔为 2
c = a[2:5] # 从索引 3 开始到索引 4 停止，也就是不包括两个参数索引
d = a[5] # 返回索引 5
e = a[2:] # 从索引 2 一直到结束
#省略号 …，来使选择元组的长度与数组的维度相同。 如果在行位置使用省略号，它将返回包含行中元素的 ndarray。
A = np.array([[1,2,3],[3,4,5],[4,5,6]])
f = a[...,1] # 第2列元素
g = a[1,...] # 第2行元素
h = a[...,1:] # 第2列及剩下的所有元素
#坐标索引，和多维列表类似，甚至在仅去单个元素时与列表是相同的方式。
x = np.array([[1, 2], [3, 4], [5, 6]])
y = x[[0,1,2], [0,1,0]] # x[[元素1行坐标，元素2行坐标，元素3行坐标],[元素1列坐标，元素2列坐标，元素3列坐标]]
print (y) # [1 4 5]
#这种方式返回的结果为单个数组，也可以将结果返回为多个数组，只是将行列坐标再嵌套一层即可例如：x[[[0],[1],[2]],[[0],[1],[0]]] >>> [[1],[4],[5]]
#布尔索引，与运算符结合
print(x[x>4]) # >>>[5 6]更多索引可以去菜鸟教程看看
数组操作
数组元素的添加与删除
| 方法 | 描述 |
|---|---|
| numpy.append(arr, values, axis=None) | 将值添加到数组末尾 |
| numpy.insert(arr, obj, values, axis) | 沿指定轴将值插入到指定下标之前 |
| Numpy.delete(arr, obj, axis) | 删掉某个轴的子数组，并返回删除后的新数组 |
运算方法
这部分见菜鸟教程吧
未完待续。。。