Numpy是一个python科学计算库，支持数组和矩阵操作，可用于处理数值类型的数据，进行数值的计算分析
一、ndarray
ndarray是一个N维数组对象，它里边的数据必须是同类型的，而python中的list对象中数据可以是不同类型的。
1.一维数组
①将list转化为array:np.array(list)
#数组计算
a=[[1,2,3,4],[2,3,4,5],[3,4,5,6],[4,5,6,7]]
b=np.array(a)
print(b)
②利用range生成序列，利用np.array()将其转化为数组
#利用range生成序列，利用np.arrsy()将其转化为数组
import numpy as np
m=np.array(range(5))
print(m)
③利用arange生成
#利用arange生成
m=np.arange(0,5)
print(m)
2.二维数组: 矩阵形式[ [ ] [ ] [ ] ]
3.属性：获取数组维度：[ ].ndim
获取数组形状（行列数）：[ ].shape
获取数组中元素个数：[ ].size
4.改变数组形状
数组行列转换：
[ ].shape=(m,n) 注意：m*n=size否则会报错
[ ].reshape(m,n)
两者区别：前者在直接操作原有数组，后者返回一个新的数组，原有数组不变
多维数组转化为一维数组：
① 可利用[ ].reshape(m,n)实现，即m=size/n=size：[].reshape（(m,)，order=’F’）,其中order表示转换方式，默认C为以行展开，F表示以列展开。
② [ ].flatten(order=’F’)同样可实现一维数组转换
5.数组和列表相互转化
① 将数组转化为列表: b=a.tolist() a为数组,b为转化后的列表
② 将列表转化为数组: b=np.array(a) a为列表,b为转化后的数组
二、数组的计算
1.数组与数的计算（+ - * /）：即给数组中每一个元素都对应相应计算
2.数组与数组计算
①两数组形状（行列数）相同才能计算，即将对应位置的元素做相应计算
②一维数组和多维数组计算时，列数/行数相同即可，即将多维数组的每行/每列都与该一维数组进行相应计算
三、数组元素的增删改查
1.增：添加元素
np.append(a,b,axis=0/1)：a为原数组，b为要添加的元素/数组，axis指定按行/列添加
2.删：删除元素np.delete(a,b,axis=0/1)
数组去重：np.unique(a,return_index=True, return_inverse=True, return_counts=True,) return_index代表是否返回新列表元素在旧列表中的位置（以列表形式储存）；return_inverse代表是否返回旧列表元素在新列表中的位置；return_counts代表是否返回去重数组中元素在原数组中出现的次数。
4.改：
①根据条件修改：提取出满足条件的元素，将其修改为指定值
a[a<5]=1即表示将所有小于5的元素替换为1
② 三目运算：np.where(condition,a,b)：判断是否满足condition，满足则返回a，不满足返回b
5.查：
① 方向：数组中的轴即代表的是数组的方向。当我们想要进行列操作时，需要设置axis=0，进行行操作时，设置axis=1。
举个栗子：对列求平均
a=np.array([[1,2,3,4],[2,3,4,5],[3,4,5,6],[4,5,6,7]])
print(a)
b=np.average(a,axis=0)
print(b)#b实现了对a的列求平均
②切片：
一维数组：a[m:n:p]即从索引为m到n-1,按步长p取出相应数据
m/n可省略，若胜利m/n 则表示，取出从索引n/m向前/向后的所有数据
注意：索引从0开始
多维数组：多维数组中，一行代表一条数据。例：取出索引为1的数据则输出的是第二行的所有数据
获取一行中的所有数据：a[1,:]即取出第二行的所有列
获取连续多行： a[1:5]即取出第二到第五行的所有列
获取连续多行多列： a[1:5,2:5]即取出第二-五行的第三到五列的数据
获取不连续多行： a[[1,3,5]]即取出第一、三、五行的所有列
获取不连续多行多列： a[[1,3,5],[2,3,6]即取出第一、三、五行的第二、三、六列