NumPy是Python语言的一个扩充程序库。支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。Numpy内部解除了Python的PIL(全局解释器锁),运算效率极好,是大量机器学习框架的基础库!
1.np.array构造函数
用法：np.array([1,2,3,4,5])
1.1 numpy array 和 python list 有什么区别？
标准Python的列表(list)中，元素本质是对象。如：L = [1, 2, 3]，需要3个指针和三个整数对象，对于数值运算比较浪费内存和CPU。因此，Numpy提供了ndarray(N-dimensional array object)对象：存储单一数据类型的多维数组。
1.2 如何强制生成一个 float 类型的数组
d = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]], dtype=np.float)
d = np.array([1, 2, 3, 4,5, 6, 7, 8], dtype=np.float)
print(d)
#[1. 2. 3. 4. 5. 6. 7. 8.]
1.3 使用astype(int)对上述 array 进行强制类型转换
d.astype(int)
1.4.dtype 和type 的区别是什么
type(d) 和 d.dtype 一个返回的是d 的数据类型 nd.array 另一个返回的是数组中内容的数据类型
2. arange
用法 ：np.arange(0,10) // 生成[0 1 2 3 4 5 6 7 8 9] 左开右闭不包括10
2.1.arange 和python 的range 函数的区别是什么
arange可以生成浮点类型，而range只能是整数类型
import numpy as np
print(np.arange(0,10))
print(list(range(0,10)))
#[0 1 2 3 4 5 6 7 8 9]
#[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
3. reshape
np.arange(1,10).reshape((3,3)) 从(3,4)改为(4,3)并不是对数组进行转置，而只是改变每个轴的大小，数组元素在内存中的位置并没有改变
reshape(-1,1) 任一行一列
4. 构造等差数列
np.linspace(1, 10, 10)
#构造等差数列 开始值，结束值，共几个数字
#包括终止值 [1,2,3,4,5,6,7,8,9,10]
#可以通过选项配置其不包括终止值
c=np.linspace(1, 10, 10, endpoint=False)
5.构造等比数列
np.logspace(1,4,4,base=2,endpoint=True)
6.随机数生成
6.1随机生成（4*4）个0-10的数的二维数组
np.random.randint(a, b, size=(c, d))
6.2.随机生成 0-1的10个数字
np.random.rand
7.np.array 的数组切片
a.切片规则 [三冒号规则]
[开始：结尾：步长]
b.开始为-1
a[-1] 取最后一个
a = [0,1,2,3,4,5,6,7]
a[-1] = 7
c.结尾为-1（开始必须为大于等于0的数）
a[2:-1] = [2,3,4,5,6]
d.步长为-1，意味着反转
a[::-1]=[7,6,5,4,3,2,1]
8.特殊矩阵的生成
np.ones((3,3))、np.zeros((3,3))、np.eye(1,1) 奇怪的是 eye 为啥不接收元祖作为参数呢？晕 eye 也没有 写成eye
还有 a=[1,2,3] np.diag(a) 是生成1，2，3 为对角线的方阵
9.数组的运算及矩阵的运算
a.数组的相加，相当的随意，不用一样的行和列
a = np.array([1,2,3,4,5])
b = a.reshape(-1,1)
a+b 返回的是一个 5*5 的矩阵
b.矩阵的加法必须是行列相同
a = np.matrix(np.array([[1,2,3],[2,1,3]]));
a.T 表示转置 a.I 表示逆矩阵
c.对应元素相乘用 multiple ，矩阵相乘可直接写，但行和列要相等
a1=mat([1,1]); a2=mat([2,2]); a3=multiply(a1,a2)