1.什么是Numpy？
Numpy (Numeric Python)
Numpy系统是Python中的一种开源的数值计算扩展。
(1) 一个强大的N维数组对象Array
(2) 比较成熟的（广播） 函数库
(3) 用于整合C/C++和fortran 代码的工具包
(4) 实用的线性代数，傅里叶变换和随机数生成函数
（5） numpy和稀疏矩阵运算包scipy配合使用更加强大
2.使用Numpy创建numpy数组
# 导入numpy模块
import numpy as np
# 查看numpy的版本号
print(np.__version__)
# 创建ndarray
n1 = np.array([3, 1, 4, 5]) # 一维的
print(n1)
# 结果 [3 1 4 5]
n2 = np.array([[5, 1, 2, 6], [7, 9, 6, 45], [1, 5, 4, 6]]) # 二维的
print(n2)
# 结果 [[ 5 1 2 6]
# [ 7 9 6 45]
# [ 1 5 4 6]]
# 打印出维度
print(n1.shape) # (4,) 四行 没有列
print(n2.shape) # (2, 4) 三行四列
#str类型array
n3 = np.array(list('hello'))
print(n3) #['h' 'e' 'l' 'l' 'o']
print(type(n3))
# 如果传进来的列表中包含不同的类型，则统一为同一类型，优先级：str->float->int
n4 = np.array([1,3.14,'python'])
print(n4)3.使用Nunpy的routines创建
# 1.通过ones (内容全是1)
# np.ones(shape,dtype=None)
# 参数说明： shape:维度，类型是元素类型 dtype:类型
n1 = np.ones(shape=(10, 8), dtype=int) # 二维的类型为int
print(n1)
# 三维的类型为float
n2 = np.ones(shape=(100, 80, 3), dtype=float)
print(n2)
# 2.通过zeros (内容全是0)
# np.zeros(shape,dtype=None)
n3 = np.zeros((4, 4)) # 里面可以直接写参数值
print(n3)
# 3.通过 full (内容全是fill_value的值)
# np.full(shape,fill_value,dtype=None)
n4 = np.full((10, 10), fill_value=1024)
print(n4)
# 4.通过 eye (根据参数值：N行N列，并且矩阵对角线的值为1，其他的位置上的值为0)
# np.eye(N,M=None,k=0,dtype=float)
n5 = np.eye(10) # 10行10列，对角线为1，其他位置为0 (即一元十次方程，满秩矩阵)
print(n5)
# 5.通过 linspace (内容全是fill_value的值)
# np.linspace(start,stop,num=50,endpoint=True,retstep=False,dtype=None)
# 参数说明： 从start开始到stop结束，均匀划分num个数
n6 = np.linspace(0, 100, 50)
print(n6)
# 6.通过arange()
n7 = np.arange(0, 100, 20) # 从0到100(左闭右开) ，步长为2
print(n7)
# 7.1通过random.randint() 随机生成数
# 从0开始到150之间随机生成size个数，（也是左闭右开）
n8 = np.random.randint(0,150,size=5)
print(n8)
# 7.2random.randn()标准的正太分布
n9 = np.random.randn(100)
print(n9)
# 7.3random.normal()标准的分布
# loc 代表锚点，即位置 scale代表在loc上下波动的系数，数值越大波动的越厉害
n10 = np.random.normal(loc=175,scale= 2,size=100)
print(n10)
# 7.4random.random() 生成0到1的随机数，左闭右开
n11 = np.random.random(size= (200,300,3)) #(200,300,3)代表维度
print(n11)