NumPy是python最重要的扩展库，主要用来提供数组，矩阵方面的操作方法与功能，由于NumPy是后面绝大部分人工智能扩展库的基础，所以在python3最新的几个版本里面NumPy被安装精灵默认安装了，无需用户另外下载安装了。下面的两行代码第一行是引入numpy库并将它简记为np，第二行是输出numpy的版本号。
下面是在NumPy中定义一个一维数组包含三个数字1,2,3
np.array([1,2,3])
下面是在NumPy中定义一个二维数组，二维数组的第一行是1,2,3，第二行是4,5,6。np.zeros((3,3))表示生成一个三行三列的所有元素都是0的数组。
np.array([(1,2,3),(4,5,6)])
np.zeros((3,3))
下面的函数定义了一个三维数组，即数组的每个元素都是一个3行4列的矩阵，总共有两个这样的矩阵元素。
np.ones((2,3,4))
下面的代码定义了一个由从0到5的整数组成的一维数组。
np.arange(5)
下面的代码也是利用arrange函数来生成一个0到6的整数数列，但是用reshape函数将数列转化成了一个2行3列的数组。
下面的代码是生成一个3行3列的单位矩阵（对角线都是1，其它位置是0）
下面的代码是生成一个两行三列的矩阵，矩阵中的每个元素都是【0，1）之间的随机浮点数
下面的代码是生成一个两行三列的二维数组，数组里的每个元素都是小于5的一个随机自然数
numpy也支持通过函数来创建数组，例子如下：
numpy的数组也支持四则运算，比如下面定义两个数组，将它们相加：
下面的例子是定义了两个二维数组，然后把它们相加。
在numpy中支持数字与矩阵的乘法，例子如下：
在numpy中支持矩阵间的点乘（对应元素相乘），例子如下：
在numpy中也支持一般意义上的矩阵乘法（线代课上讲的矩阵乘法），例子如下：
上面一般意义的矩阵乘法也可以采用mat函数和*号来实现，例子如下：
求一个矩阵的转置矩阵：
求一个矩阵的逆矩阵：
