numpy
介绍
numpy.genfromtxt
numpy 是专门用来做矩阵的计算的，当然还有很多的用处
import numpy
world_alcohol = numpy.genfromtxt("world_alcohol.txt", delimiter=",",dtype=str)
在上面使用numpy.genfromtxt读取文件的时候，我们使用delimiter指定了使用逗号进行分隔，并且指定将读取的数据默认使用str进行存储（通常情况下使用的就是str）
在上面打印的结果可以看到，存入进去的world_alcohol的数据类型是numpy.ndarray，这个类型是numpy存储数据的类型
对于上面打印出来的内容，其实就是一个矩阵，对应的有行和列
numpy.array
在numpy中间，最核心的东西就是numpy.array
vector = numpy.array([5, 10, 15, 20])
matrix = numpy.array([[5, 10, 15], [20, 25, 30], [35, 40, 45]])
如上，使用numpy.array就能够构造出矩阵了，如果是一个一维的，则直接放入一个列表即可，如果是一个二维的，则对应的是两个中括号，后面依次往后推，如下图所示
.shape
在日常情况下，使用挺多的就是对一个矩阵使用shape方法，可以直接看到这个矩阵的结构是怎样的（行和列各是什么样的）
dtype
在学习python中间list的时候，我们知道，在这个list中间是可以传入不同类型的值的，但是在numpy.array的时候，中间传入的值必须是同一个类型的值
上面使用numpy.array传入的内容是[1,2,3,4]，可以看到都是整型的数据，使用dtype进行展示，可以看到是int64的数据类型，如果我们将中间的4变成4.0的话，就会是如下的情况
可以看到，仅仅是改变了中间一个4的值，整个数据类型都变了，成为了浮点型的数据，同样，我们改变中间一个数据类型，其他的数据类型都会发生变化
数据选取
python的list中间，在进行取数据的时候，通常都是通过索引去取的，在numpy中间也是一样的（通过索引获取数据）
除了如上面所示获取单个数据以外，其实我们也是可以和list中间一样，获取一个数据的切片的
上面操作的对象是一个一维的数据，如果是二维的数据呢？此时我们想取中间的某一列的数据
如上，对于这个矩阵，就将中间第二列的数据取出来了
判断矩阵中的数据
如果给定了一个矩阵，如果想要获取到该矩阵中间是否有与指定的值相等的值，可以使用下面的方式
返回的结果要么是True，要么是False，可以看到，第二个对应的是True，说明第二个数是等于10的（返回的类型是一个bool类型）
同样，对于二维的矩阵也是一样适用的
在上面，我们获取到了bool类型的数据，如果我们想将中间的内容打印出来呢？
‘与’ 与 ‘或’判断
‘与’ 运算
上面进行的是‘与’运算，在这个运算中，中间使用一个 & 符号进行连接，可以看到最后输出的内容都是False
‘或’ 运算
可以看到，执行或运算的时候，前面的两个值变为了True
arange与reshape
我们可以使用arange创造出一个向量，之后使用reshape将其转换为一个矩阵
如上，使用arange创造出了0到14的一个向量，之后使用reshape将其转换为3行5列的一个矩阵
这里arange除了上面的这种操作之外，还存在下面这样的方式
这里表示的就是从10开始，到30结束，步长为5；这里是小于30，但是不能等于30
在上面使用reshape的时候，指定了行和列，其实并不需要将行和列都写上，可以仅仅写上一个行数就行了
上面reshape的时候，指定了行是6，列写的为-1（自动计算）
shape与ndim
使用shape可以看一个矩阵的全貌（几行几列），通过ndim可以看到这个矩阵是几维度的
在上面的截图中，可以看到a这个矩阵是3行5列的，同时a这个矩阵是2个维度的
dtype.name与size
使用dtype.name可以获取a这个矩阵中间存储的数据类型是int类型的；使用size可以看到a这个矩阵中间的数据量
zeros
可以使用zeros初始化一个全部为0的矩阵
ones
使用ones初始化一个全部为1的矩阵
random
在numpy中间random这个模块比较重要，这是一个随机模块
在random中间的2，3表示的是2行3列的矩阵，这里的值的取值范围是从-1到+1之间的值
linspace
这里首先从numpy中间import了pi，下面使用linspace进行取值，意思为从0到2pi之间平均取100个值
矩阵运算
首先使用numpy的array创建了一个向量，同时使用arange创建了一样维度的向量，之后使用a向量减去b向量，这样得到的一个结果，可以看到，减的时候是逐个进行减的。同样还有平方和判断
dot
上面例子中，进行了乘法的运算，但是前后两种方式并不相同，一种是简单的AB，这样表示的内容是对应位置的相乘；第二种使用了dot，这样乘法就是矩阵的乘法，第一行乘以第一列的结果放在第一个位置：12+1+3 = 5，按照这样的方式进行
floor
使用floor可以对数进行向下取整的操作，例如2.2向下取整为2，2.9向下取整为2
ravel
前面讲到使用reshape可以将一个向量转换为一个矩阵，那么同样也是可以从一个矩阵转换为一个向量的，这里用到的是ravel
这里已经将一个3行4列的矩阵转换为一个向量，转换完成之后，同样还是可以进行后续的操作的
矩阵的拼接
hstack
如上，使用hstack就能够将a和b横着进行拼接；既然存在有横着拼的方式，同时也是存在有列着拼的方式
vstack
矩阵的切分
hsplit
如上，使用hsplit将a这个矩阵进行切分（按行）
除了上面这样的切分方式以外，还可以指定切分的地方进行矩阵切分
上面这样的切分方式就是在行中的第3的位置和第4的位置进行切分
vsplit
关于复制
“=” 进行复制
在上面首先使用np.arange(12)生成了一个向量，使用一个赋值符号将a赋值给b，将b进行shape，发现a也变了，发现此时a和b都是相同的
注意：这里表面上a和b的名字不相同，但是其实两者指向的是同一个内存空间
view() 浅层复制
上面的c是使用a.view()进行复制的，使用c is a可以判断出c和a两者并不是同一个值（返回的结果是False），这里将c的shape置为2,6，可以看到a的shape并没有发生变化；此时将c中间的一个值进行设定，可以看到a中间的代表的同一个内容的地方也发生了变化
结论：浅复制虽创建了一个新的变量，但是内部数据是共用的一套值
copy()
使用copy之后，就会创建一个全新的数据空间，此时修改其中一个，并不会影响到另一个
排序和索引
argmax
使用argmax能够获取最大值对应的索引，注意：这里的axis为0，表示的从列进行分析，从每一列中间获取到最大的值
前面已经获取到了值最大对应的索引，下面使用如下的方式就能够将对应的值进行一个展示
tile
使用tile能够将一个已有的向量或矩阵进行扩展
如上，首先使用arange构建了一个0到40（小于40），步长为10的向量；使用tile将这个向量的行数变为4倍，列数变为3倍
sort
这里使用sort进行排序
上面可以看到在使用sort的时候，axis=1，表示的是对每一行进行排序
argsort
这里需要注意，使用argsort的时候，是获取一个向量或者矩阵从最小值到最大值的索引序列，后面使用a[j]即可获取到这些索引对应的值