本文基于*Python数据分析实战（ by Fabio Nelli），Python数据分析（by Armando Fandango）*两本书中内容及个人经验总结，欢迎一起讨论数据分析和机器学习哇~
1.NumPy基本概念：
①NumPy库的基础：ndarray对象（n维数组），它是一种由同质元素组成的多维数组，数据类型由NumPy对象dtype来指定
②数组的型（shape）：代码example.shape,返回一个包含行列数的元组如（2,3）
③数组的维统称为轴（axes），轴的数量称为秩（rank），代码example.ndim返回维（轴）数，维数是指行数，example.size返回数组的总元素个数。
④tolist()方法可以将Numpy数组转换成列表，用法：array_example.tolist()
2.创建数组的方法：
a = np.array([[1, 2], [3, 4]])
b = np.array(((1, 2), (3, 4))) #b等价于a
c = np.zeros((3, 3))
d = np.ones((2, 2))
e = np.random.random((1,3)) #返回1x3的矩阵，元素为0-1的随机数
3.数组运算方法
A = np.zeros((2, 2))
B = np.oness((2, 2))
#标量加法/乘法
C = (A + 1) * 2
#矩阵的元素间运算
D = (A + B) * B
#矩阵乘法
E = np.dot(A, B)
F = A.dot(B) #F等价于E
#自增
G += 2 #也可以用*等符号
#通用函数
H = np.sqrt(A) #还有log,sin，exp等
#聚合函数
I = A.sum() #还有A.min，A.mean，A.std等
4.数组的索引
①传入一个值：a[x]，如果a是一维的，那么就返回第x个值，如果a是个矩阵，那么久返回第x行（第x维），从0计数，x可以是负数。
②传入一个列表：a[[x,y]]，相当于进行多次①中的操作，选取x和y
③传入一个坐标：a[x,y]，返回矩阵中坐标为x,y的值
5.数组的切片
①要注意，数组与列表不同，数组切片操作得到的是指向相同内存空间的视图，而对列表操作得到的是原数组的副本。
②一维数组的切片方法类似列表，a[1:5]，a[1:5:2]，a[:5:]，可传入三个数字，省去第一个默认为0，第二个数字默认为最后一个，第三个数字默认为1
③矩阵的切片：
A = np.ones((3, 4))
B = A[0:2, 0:3] # B.shape=(2,3)
C = A[:, 0] # C.shape=(3,)，把第一列变成一维数组
D = A[0, :] # D.shape=(4,)，截取第一行
E = A[[0, 2], 0:3] # E.shape=(2,3)，索引值为列表时仅返回列表中的行/列
6.遍历数组
①for i in a: 遍历一维数组中每个元素或矩阵中每一行
②遍历矩阵中每一元素：用两次for或者for i in a.flat
③更优雅的遍历方法：numpy.apply_along_axis(func, axis, arr, *args, **kwargs)。func传入numpy函数或自定义的函数如np.mean，axis传入0或1表示对列或行进行迭代操作，arr传入需要遍历的数组。
A = np.array([[1,2,3], [4,5,6]])
b = np.apply_along_axis(np.mean, axis=0, arr=A)
#b = [2.5 3.5 4.5]
7.条件和布尔数组
输入a<0.5会返回一个与a大小相同的矩阵，即布尔数组，符合条件的元素值为true，不符合为false.
也可以将布尔数组应用于筛选元素，a[a<0.5]，返回一个符合条件的元素组成的一维数组。
8.改变数组的形状
a = np.random.random(12)
A = a.reshape(3,4) #不改变a的形状
a.shape = (4,3) #改变a的形状
a.resize((2,6)) #改变a的形状
b = a.revel() #返回a的一维数组的视图，不改变a的形状
c = a.flatten() #返回a的一维数组的拷贝
d = a.transpose() #返回a的转置矩阵，不改变a的形状
关于flatten()和ravel()的区别参考这篇博客：https://blog.csdn.net/lanchunhui/article/details/50354978
9.数组间的组合
a.shape = (3,3)， b.shape=(3,3), c.shape=(3,3)
d = np.hstack((a,b)) #将两个数组水平组合，c.shape = (3,6)
e = np.vstack((a,b)) #将两个数组垂直组合，e.shape = (6,3)
f = np.column_stack((a,b,c)) #将多个数组水平组合，f.shape = (3,9)
e = np.row_stack((a,b,c)) #将多个数组垂直组合，e.shape = (9,3)
10.数组间的切分
np.split(ary, indices_or_sections, axis=0)：将数组从左到右或从上到下切分。ary传入要切分的数组，indices_or_sections传入整数或列表，如果是整数，就用该数平均切分，如果是列表，那么列表[x,y]中x,y分别是切分的位置（在x-1到x之间，y-1到y之间切分），axis传入0或1，0为按行切分，1为按列切分。
A.shape = (4,4)
[B,C] = np.split(A,2) #B.shape = C.shape = (2,4)
[A1,A2,A3] = np.split(A,[1,3],axis=1) #A1.shape = A3.shape = (4,1) ; A2.shape = (4,2)
11.数组的副本
由于对数组切片返回的是原数组的视图而不是副本，因此想要得到副本需要使用 c=a.copy()
a = np.arange(1, 5)
b = a[0:3]
c = a.copy()
a[0] = 9
#a = [9, 2, 3, 4]
#b = [9, 2, 3]
#c = [1, 2, 3, 4]
12.数组的广播机制：
https://blog.csdn.net/lanchunhui/article/details/50158975
13.结构化数组：
https://blog.csdn.net/qq_27825451/article/details/82425512
14.数组数据文件的读写：
①保存为二进制的.npy文件：np.save(file,arr) file传入文件名或路径，不带.npy会自动补上，arr传入需要保存的数组
②读取.npy文件中的数据：loaded_data = np.load(file)
③读取TXT和CSV文件：https://www.cnblogs.com/laumians-notes/p/8288638.html