1. 什么是numpy
快速，方便的科学计算基础库(主要是对数值的计算、多维数组的运算);
2. numpy轴的理解
一维数组: [1,2,3,45] ----0轴
二维数组: [[1,2,3,45], [1,2,3,45]] ----0轴, 1轴（类似于x轴和y轴）
3. 常用操作
3.1 numpy中创建数组(矩阵)：
方法1：
a = np.array([1,2,3,4,5])
b = np.array([1,2,3,4,5])
c1 = np.array(range(1,6))
print(a+b)
方法2：
c2 = np.arange(1,6)
print(c1)
print(c2)
3.2 查看数组类名：
type(c)
3.3 查看数据元素类型：
c.dtype
3.4 修改数组的数据类型：
c.astype('float')
c1.astype('bool')
3.5 创建数据时指定数据类型：
np.array([1,2,3,4], dtype=np.float)
3.6 修改浮点数的小数位：
c = np.array([1.234556, 3.45464456, 5.645657567])
np.round(c, 2)
3.7 读取数据：
import numpy as np
fname = "data.txt"
dtype = np.dtype([('gender', '|S1'), ('height', 'f2')])
# fname： 文件的名称， 可以是文件名， 也可以是ugz或者bz2的压缩文件;
# dtype： 数据类型， 可选， 默认是float;
# delimiter： 分隔符字符串， 默认情况是任何的空格，
# skiprows: 跳过前xx行， 一般情况跳过第一行;
# usecols: 读取指定的列， 可以是元组；
# unpack： 如果为True， 对返回的数组对象转置；
data = np.loadtxt(fname=fname, dtype=dtype, skiprows=9, usecols=(1, 3), unpack=True)
print(data)
3.8 数组转置：
将一维数组转换为3行4列的二维数组
data = np.arange(12).reshape((3, 4))
print(data)
转置
data.transpose()
data.swapaxes(1, 0)
data.T
3.8 索引及切片：
取第一行的数据
print(data[0])
取第一列的数据
print(data.T[0])
print(data[:, 1])
获取多行
print(data[:2])
获取多行列
print(data.T[:2])
print(data[:, :2])
获取指定行的前几列;
print(data)
print(data[[0,2], :2])
print(data[:2, [0,2]])
布尔索引（返回一个布尔类型的列表）：
data > 10
3.9 数值修改：
1). data中所有大于8的数字都替换为0， 否则替换为1
np.where(data <= 8, 1, 0)
2). 如果data<=8, 替换称8， 如果data>=10, 替换为10
data.clip(8, 10)
3.10 数组拼接：
横向拼接：np.hstack((t1, t2))
水平拼接：np.vstack((t1, t2))
3.10 行列交换：
行交换：t[[0, 3], :] = t[[3, 0], :] （t中的第3行到第0行赋值给t中的第0行至第3行）
列交换：t[[:, [0, 3] = t[:, [3, 0]] （t中的第3列到第0列赋值给t中的第0列至第3列）
3.11 获取最大值和最小值位置：
获取当前数组里面最大值的索引：np.argmax(data)
获取每一列的最大值对应的0轴索引：np.argmax(data, axis=0)
获取每一行的最大值对应的1轴索引：np.argmax(data, axis=1
3.12 创建一个全为0的数组：
np.zeros((3, 3), dtype=np.int)
3.13 创建一个全为1的数组：
np.ones((3, 4))
3.14 创建一个对角线全为1的正方形数组（方阵）：
np.eye(3)