Numpy是高性能科学计算和数据分析的基础包
02 ndarray瀵硅薄
ndarray是一种多维数组对象，其中的所有元素必须是相同类型的
ndarray对象有以下几个常用的属性：
shape 一个表示各维度大小的元组
dtype 说明数组数据类型的对象
ndim 数组轴的个数
size 数组的元素个数
常见的创建方法有如下几种：
array() 接受一切序列行的对象生成ndarray数组
zeros() 传入一个表示形状的元组，生成全0数组
ones() 传入一个表示形状的元组，生成全1数组
empty() 传入一个表示形状的元组，生成一个没有具体指的元组
tips: zeros_like(),ones_like(),empty_like()以另一个数组为参数，创建对应数组
arange() 类似内置的arange(),生成ndarray
eye() identity() 创建一个正方的N*N单位矩阵
与列表最重要的区别在于，数组切片是原始数组的视图，视图上的任何修改都会直接反映到源数组上
若想得到数组副本而非切片，应显示使用复制操作。例如：arr1.copy()
转置操作返回的是源数组的视图
数组转置有transpose方法，swapaxes方法，T属性
最常用，最简介的还是使用T属性，例如：arr.T
通用函数是对ndarray数组的数据执行元素级运算的函数
下面整理一些常用的通用函数
abs 计算绝对值
sqrt 计算平方根
square 计算平方
exp 计算指数
sin|cos|tan 三角函数
arcsin|arccos|arctan 反三角函数
add 数组对应元素相加
subtract 数组对应元素相减
mutiply 数组对应元素相乘
divide 除法
np.where(cond,xarr,yarr) 条件逻辑三元表达式
sum 求和
mean 算术平均数
std|var 标准差，方差
max|min 最大值，最小值
x.dot(y) | np.dot(x,y) 矩阵乘法
numpy.linalg中有一组标准的矩阵分解运算以及诸如求逆和行列式之类的东西
from numpy.linalg import *
inv 计算矩阵的逆
det 计算矩阵的行列式
dot 矩阵乘法
trace 计算对角线元素的和
eig 计算特征值和特征向量
solve 解线性方程组Ax=b,A为方阵
numpy库还有很多知识点，暂时只学了能用的一些，以后再根据需要慢慢补充！