numPy是高性能科学计算和数据分析的基础包，安装方法
pip install numpy
引用方式
import numpy as np
普通方式循环打印数组
import random
li = [random.uniform(100.0,200.0) for _ in range(1000)]
r = 6.3
list(map(lambda x:x*r,li))使用ndarray(数组内元素类型必须一样，数组大小固定)一个多维数组,每一个元素都乘以r
arr=np.array(li);
arr * r已知购物车中商品的价格和数量求总金额
price = [random.uniform(50.0,10.0) for _ in range(100)]
num = [random.randint(1,5) for _ in range(100)]
sum = 0
for i in range(len(prize)):
sum += prize[i] * num[i]
sumprize = np.array(prize)
num = np.array(num)
(prize * num).sum()ndarry的数据类型dtype[布尔，整型，浮点，复数],32位整型区间(-2**31,2**31-1)
num.size获取数组大小
num.shape数组形状（以元祖形式）
num.ndim纬度
num.T数组的转置（行列转换）数组类型转换
li = [1,2,3,4,5]
arr = np.array(li,dtype='float')
arr.dtypenp.arange(3,10,2); 生成一个数组，参数:起点，终点，步长[可以为小数]
np.linspace(1,10,10)生成一个数组数组前一位减后一位一样大，参数:起点，终点，步长[可以为小数]
np.zeros(10) 重建一个全0的数组
np.zeros((3,5),dtype='int')重建一个全0的多维数组
np.ones(10)生成一个全1的数组
np.empty(10)创建一个数组，不设定初始值，都是随机数数组所索引取值
a[2][3]
a[2,3]
数组切片用冒号，a[1],a[2:3],构造二维数组切片
arr2d = np.arange(15).reshape(3,5)
arr2d[1:,1:4]参数[行，列]
数组赋值a[:] = 0
与列表不同，数组切片时不会自动复制，在切片数组上修改影响原数组，解决办法用copy()
li_a = [1,2,3,4,5]
li_b = li_a[1:3]
li_b[0] = 100
li_a
修改不影响li_aarr = np.arange(10)
b = arr[3:6] 如果不想被修改可以copy一份arr[3:6].copy()
b[0] = 100
arr给一个数组选出数组中大于5的数
li = [random.randint(0,10) for _ in range(50)]
list(filter(lambda x:x>5,li))使用numpy下ndarry
arr = np.array(li)
arr[arr>5]取出数组中大于5的偶数
arr[(arr>5)&(arr%2==0)]取出指定下标的的元素
arr[[2,4,7]]对二维数组选取第一列和第三列
arr2d[:,[1,3]]
注意
arr2d[[0,2],[1,3]]是取第一行第二个和第三行第四个
arr2d[[0,2],:][:,[1,3]]是取第一行和第三行的第1,3个元素arr2d[[0,2],:][:,[1,3]]常用函数
trunc 向零取整
round/rint 四舍五入
floor 向下取整
ceil 向上取整
modf 整数和小数部分分开，返回两个数组
nan 不是一个数float("NaN") nan !=nan
inf float("inf")无限大float("-inf")无限小
a = np.array([1,2,3,4,0])
b = np.array([1,0,3,4,0])
c= a/b
去掉所有nan
c[(~np.isinf(c)) & (~np.isnan(c))]
maximum 返回两个数组比较后较大的元素np.maximum(a,b)
minimum 返回两个数组比较后较小的元素
mean 平均数
var 方差(一组数的离散程度)，每个数-平均数的平方 求和/数组长度
std 求标准差(方差开根号)
min 最小值 argmin 最小值的索引
max 最大值 argmax 最大值的索引numpy下的随机数表random,一般都可以传递数组形状参数，返回数组
rand np.random.rand(100) 得到100个0,1之间的随机数
randint np.random.randint(1,8,(4,5)) 得到1,8之间的一个二维数组
choice np.random.choice([1,4,5,7,9],10) 从一个数组中随机选取10个数
shuffle 洗牌
uniform 返回指定范围内的随机小数