numpy是python的科学计算库之一；非常适合用于矩阵的运算，他的核心就是ndarray；
那么他都有那些操作呢：
1：首先就是读取文件了，举一个经常操作的文件类型.csv文件
使用的是genfromtxt('filename',dtype),但是我们一般不用numpy来读文件
有一个建立在numpy基础之上的pandas库更适合来读取文件，并对文件进行处理：
2：如果用array定义数组，传进来的是一个一维数组，没有嵌套list那么，这就是一个向量，
注意他的shape是（x,)这种类型的，这是很坑的，在神经网络中你在用这种向量去乘以矩阵
的时候会报秩错误，这是后就要用到reshape这个函数了，把他转化成（-1，x)的形式，就可以进行矩阵操作了，
在做神经网络的时候要时刻注意矩阵的形状，有很多错误都是矩阵形状引起的；
3：我在实现中发现一个与list不同的操作，
array类型的数在取的时候可以通过array[1,2],和array[1][2]取，这两种取法得到的结果是一样的；
但是在list中就只能用第二种方法取多维数组；
4：array同时也支持，python的切片操作；如：
metrix = np.array([[1,2,3],[4,4,5]]) metrix[:,2] 意思是取出所有行的但是只取第二列；
5：对于array的加减乘除操作，如果维度相同，则是对应的元素进行操作，但是如果是只有一个则是所有元素进行操作；
当然，对于一些特殊操作，如比较操作，也是对所有元素进行的操作；
6：numpy 中的类型转换使用的astype（type)来进行的，在深网网络中经常会遇到typeerror的错误，可能只需要在你定义的数组后面加上一个astype就能解决；
7：当然还有一些函数操作，如min。max，sum 函数，在用的时候注意看一下参数，可能有些需要指定维度（axis)
通常asix=0是按列，axis=1是按行来操作的；
8:np也能通过一个arange的函数产生一个连续的序列；np.arrage(start,stop,step)就跟python中的range函数相同，
产生这样一个序列之后还能通过reshape操作来给他变形，这里需要注意的是，shape的形状要和元素个数相同；
9：size函数是获取数组中有多少个元素；
10：这下到了一些np.array的常见初始化了，
np.zeros生成一个0矩阵np.ones则是单元矩阵；当然在初始化的时候也可以指定类型；
np.arange()
np.random.random((2,3)) 注意这几个初始化，除了arange()意外，其他的接受的形状参数都是一个list或者是tuple，不然会报参数错误；
11：
有了arange这生成数组，还有一个就是linspace(0,2,100)这是在0到2这个区间内平均找100个数组成一个数组；
12：矩阵的乘法有一个是点乘，也就是对应元素相乘，还有一个是乘是通过np.dot来实现的，是行乘以列，
有两种形式，一种是a.dot(b) ，，，，np.dot(a,b)两种结果相同；