此处已添加圈子卡片，请到今日头条客户端查看）
np.arange（15）的作用就是构造出[0,1,2,3,4,5,6,7,8,9,10,11,12,13,14]类似于列表或者说是一个行向量，然后使用reshape方法可以对这个进行重构，reshape(3,5)将这15个元素重构成3行5列,输出为一个三行五列的矩阵。
shape属性可以输出当前矩阵的行数和列数
ndim属性可以输出当前矩阵的维数
dtype属性当前矩阵中元素类型
size当前矩阵中元素的个数
创建全是0的矩阵zeros方法：
创建一个三行四列的数组，zeros方法传递的参数应该是一个元组，（3，4）表示三行四列
创建全是1的矩阵ones方法：
创建一个3维的，（2，3，4）表示两个三行四列矩阵，就是三维的
当我们没有指定类型的时候，他默认是float类型，我们可以指定其类型：
这样矩阵中的元素就全部都是int类型了，后面全部都没有点了
使用数的序列创建矩阵：
np.arange(0,30,50的意思是从0到30，不包含30，每次增加5形成的序列构造成矩阵
random模块
random方法
np.random为进入random模块，然后再点上random为调用random函数，该函数会生成从-1到1的随机数，生成2行3列。
linspace方法
arr=np.linspace(0,pi,50)该方法为从0到3.14...之间平均取50个数
矩阵的运算
如果两个矩阵的shape是一致的，那么两个矩阵的加减就是对应位置的加减：
如果减1那么对应每个元素都减1
arr1**2表示每个元素都平方
arr1<2表示判断每个元素小于2，小于为true，不小于为false
矩阵的乘法
矩阵的乘法*表示对应位置的相乘组成一个新的矩阵
arr.dot(arr2)等于np.dot(arr,arr2)就是真实的矩阵相乘，行乘以列
sqrt和exp方法
exp（x）为e的x次方，exp（arr）为e的矩阵元素次方
sqrt为开根号，sqrt（arr）为矩阵中的元素开根号
floor为向下取整
ravel方法为将一个矩阵展开变成行向量组的形式
reshape为重构，因为重构的时候行若却确定那么列也确定了，reshape（2，-1）就是指定行数为2，那么列数就不用我们自己算出为6，而是自己写上-1，计算机自己会算出来
print（arr.T）这个方法为输出当前矩阵的转秩，行变列，列变行
矩阵的拼接
hstack为行拼接，vstack为列拼接
矩阵的切分
hsplit为行切分，切分成两部分（其实行切分从真实情况看就是一把刀再竖着砍一刀）
还可以再指定位置切分np.hsplit(arr,(1,2))
这个意思是将arr矩阵从1切一下，从2切一下，这样就切成了三部分，三个矩阵
vsplit为列切分，实际上看就是从行的角度来切分，切成两部分，那就是平均分
这个就没有实现copy，arr和arr1指向同一内存，一个改变全部都变
arr.view实现的是浅copy，所谓浅copy是指两个不指向同一位置的内存，但是共用某些数据，比如说arr和arr1就是浅copy，arr和arr1的id不同，可见二者并没有指向同一块内存，但是当arr[1][2]=66的时候，发现arr和arr1的数据都变化了，这就是说明他们共用某些数据
copy可以实现arr1和arr完全指向不同的内存，并且没有共享数据
找出一个矩阵中每行或每列的最大值
一个矩阵可能有多维，如果arr.shape=(1,2,3),那么arr[0]=1,arr[1]=2,arr[2]=3,所以arr[1]就是4
arr.argmax(axis=0)是从列的角度获取最大值，输出为[2 0 3 1]就表示每列的最大值在第3行，1行，4行，2行，我们可以使用这个作为行索引，他们分别对应第一列，第二列，第三列，第四列，列索引是rang（4），这样正好是第1列，第二列，第三列，第四列，所以写成range（arr.shape[1]）用这个来表示0到3，行数固定
也就是说arr[ind,range(4)]表示为：
arr[2][0]
arr[0][1]
arr[3][2]
arr[1][3]
行就是2，0，3，1，列是0，1，2，3分别对应
可以看出arr1是由arr组成了一个4行3列的矩阵
矩阵内数据排序
可以将矩阵内的数据按行排序和按列排序：
这个程序共有两个排序方式，方式一：按照它封装好的sort方法进行行排序和列排序
方式二：使用argsort方法返回矩阵数据从小到大的索引坐标，该程序结果为[2,0,1,3]然后在使用它作为索引，获取到数据，结果就是从小到大的数据