介绍：
NumPy系统是Python的一种开源的数组计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix））。
常用：
1、genfromtxt()
import numpy
world_alcohol =numpy.genfromtxt("world_alcohol.txt",delimiter=",",dtype=str)
print(type(world_alcohol))
print(world_alcohol)
print(help(numpy.genfromtxt))
2、#The numpy.array() 数组
vector = numpy.array([5,10,15,20])
matrix = numpy.array([[5,10,15],[20,25,30],[35,40,45]])
print(vector)
print(matrix)
3、#ndarray.shape figuer out how many element are in the array
vector = numpy.array([1,2,3,4])
print(vector.shape)
#for matrices the shape property contains atuple with a element
matrix =numpy.array([[5,10,15],[20,25,30]])
print(matrix.shape)
4、改变其中一个值，里面所有值都会发生改变（array里面数据类型要相同）
import numpy
numbers = numpy.array([1,2,3,4.0])
print(numbers)
numbers.dtype
5、matrix = numpy.array([
[5,10,15],
[20,25,30],
[35,40,45]
])
print(matrix[:1])
注： X[:,1] 就是取所有行的第1个数据
X[1,:]即取第一维中下标为1的元素的所有值，输出结果：
6、matrix = numpy.array([
[5,10,15],
[20,25,30],
[35,40,45]
])
print(matrix[:,0:2])
7、import numpy
vector = numpy.array([5,10,15,20])
vector == 10
8、判断一个数与矩阵中的数是否相符
matrix = numpy.array([
[5,10,15],
[20,25,30],
[35,40,45]
])
matrix == 25
9、与或运算
import numpy
vector = numpy.array([5,10,15,20])
equal_to_ten_and_five = (vector == 10) & (vector == 5)
print (equal_to_ten_and_five)
import numpy
vector = numpy.array([5,10,15,20])
equal_to_ten_and_five = (vector == 10) | (vector == 5)
print (equal_to_ten_and_five)
10、import numpy
matrix = numpy.array([
[5,10,15],
[20,25,30],
[35,40,45]
])
second_column_25 = matrix[:,1] == 25
print(second_column_25)
matrix[second_column_25, 1] = 10
print (matrix)
11、#修改类型
import numpy
vector = numpy.array(["1","2","3"])
print(vector.dtype)
print(vector)
vector = vector.astype(float)
print (vector.dtype)
print(vector)
12、#查看最大最小值
import numpy
vector = numpy.array([5,10,15])
#vector.min()
vector.max()
13、#按行求和
import numpy
matrix = numpy.array([
[5,10,15],
[20,25,30],
[35,40,45]
])
matrix.sum(axis=1)
14、#按列求和
import numpy
matrix = numpy.array([
[5,10,15],
[20,25,30],
[35,40,45]
])
matrix.sum(axis=0)
15、#整体变换，变成3行5列的矩阵
import numpy as np#指定别名np代替numpy
print (np.arange(15))
a = np.arange(15).reshape(3,5)
a
16、#行和列分别为多少
a.shape
#二维矩阵
a.ndim
#值类型
a.dtype.name
#当前有多少元素
a.size
#初始化矩阵3*4
np.zeros((3,4))
#构造值全是1
np.ones((2,3,4),dtype=np.int32)
#得出序列结果
np.arange(10,30,5)#从10开始 每5个一加，小于30
#指定结构，得出序列结果
np.arange(0.,2,0.3)#从0开始 每次加0.3加，小于2
#结构
np.arange(12).reshape(4,3)
17、#random函数 得到矩阵 2*3
np.random.random((2,3))#random函数 得到矩阵 2*3
18、from numpy import pi
np.linspace(0,2*pi,100)#指定一个区间 在0~2*pi之间取100个数
np.sin(np.linspace(0,2*pi,100))
20、#numpy数学运算
a = np.array([20,30,40,50])
b = np.arange(4)
print(a)
print(b)
#b
c = a-b
print(c)
c = c-1
print(c)
b**2
print(b**2)
print(a<35)#判断值是否小于35
#矩阵乘法
A = np.array([[1,1],
[0,1]])
B = np.array([[2,0],
[3,4]])
print(A)
print('------')
print(B)
print('------')
print(A*B)#对应位置进行相乘
print('------')
print(A.dot(B))#矩阵的乘法 行*列
print('------')
print(np.dot(A,B))#A和B进行矩阵相乘
21、#其他操作
import numpy as np
B = np.arange(3)
print(B)
print (np.exp(B))#计算B的多少次幂
print (np.sqrt(B))#对数组求根号
#向下取整 floor 3.5---3 , 2.1 ---- 2
a = np.floor(10*np.random.random((3,4)))
print(a)
print('------')
#a.shape
##flatten the array
print (a.ravel())#矩阵拉平成向量[ 6. 6. 3. 2. 3. 4. 2. 4. 4. 9. 5. 7.]
print('------')
a.shape = (6,2)#shape 6*2
print(a)
print('------')
print(a.T)#求转置
#a.reshape(3,-1)#行数
#矩阵拼接
import numpy as np
a = np.floor(10*np.random.random((2,2)))#取整，2*2结构
b = np.floor(10*np.random.random((2,2)))
print(a)
print('---')
print(b)
print('---')
print(np.vstack((a,b)))#vstack竖着拼接，hstack横着拼接
#np.hstack((a,b))
#分割
a = np.floor(10*np.random.random((2,12)))
print (a)
print('---')
print (np.hsplit(a,3))#按照行进行横向切分 a(待切分),切分成3份
print('---')
#hsplit纵向切分
print (np.hsplit(a,(3,4)))#指定切分位置3-4
a = np.floor(10*np.random.random((12,2)))
print ('----')
print (2)
np.vsplit(a,3)
22、#数据复制
a = np.arange(12)
b = a
print(b is a)#c跟a相同
b.shape = 3,4
print(a.shape)
print(id(a))#名字不同指向的区域相同，改变a改变b，都会改变区域的值
print(id(b))
#复制操作
c = a.view()
print (c is a)#c跟a不同
c.shape = 2,6
print (a.shape)
c[0,4] = 1234#c和a共用一套值
print (a)
print (id(a))
print (id(c))
#常用copy函数
d = a.copy()#用a的值做d的值初始化
d is a
d[0,0] = 9999#d改变
print (d)#一个新的值
print (a)#a不变
23、#排序，索引
import numpy as np
data = np.sin(np.arange(20)).reshape(5,4)#5*4格式
print (data)
ind = data.argmax(axis=0)#找哪个列是最大的，索引
print (ind)
data_max = data[ind,range(data.shape[1])]#通过找索引把最大值拿出来
print (data_max)
#.tile操作
a = np.arange(0,40,10)#0-40,10加一次
print(a)
b = np.tile(a,(2,2))#行编程原来两倍，列也变成了原来的两倍
print (b)
a = np.array([[4,3,5],[1,2,1]])
print(a)
print('------')
b = np.sort(a,axis=1)#对当前的数组排序
print(b)
#b
a.sort(axis=1)
print('------')
print (a)
a = np.array([4,3,1,2])
j = np.argsort(a)#求最大值的索引
print ('------')
print (j)
print ('------')
print (a[j])