| 前景提要：import numpy as np |
ndarray数组的创建方法：
（一）从python中的列表、元组等类型创建ndarray数组
x = np.array(list/tuple)
分为从列表类型创建、从元组类型创建、从列表和元组类型混合创建
指定数据类型： x = np.array(list/tuple,dtype = np.float32)
当np.array()不指定dtype时，NumPy将根据数据情况关联一个dtype类型
（二）使用NumPy中函数创建ndarray数组
np.arange(n) ：类似range()函数，返回ndarray类型，元素从0到n-1
np.ones(shape) ：根据shape生成一个全1数组，shape是元组类型
np.zeros(shape)：根据shape生成一个全0数组，shape是元组类型
np.full(shape,val)：根据shape生成一个数组，每个元素值都是val
np.eye(n)：创建一个正方的n*n单位矩阵，对角线为1，其余为0
np.ones_like(a)：根据数组a的形状生成一个全1数组
np.zeros_like(a)：根据数组a的形状生成一个全0数组
np.full_like(a,val) ：根据数组a的形状生成一个数组，每个元素值都是val
（三）使用NumPy中其他函数创建ndarray数组
np.linspace()：根据起止数据等间距地填充数据，形成数组。此函数有一个参数endpoint，endpoint = False表明结束数据不包含在数组中，此参数默认为True
np.concatenate()：将两个或多个数组合并成一个新的数组
问：为什么NumPy大多数生成的数组元素置为浮点数？
因为NumPy用于科学计算，而在科学计算中，我们往往使用的数据都是浮点数
ndarray数组的变换：对于创建后的ndarray数组，可以对其进行维度变换和元素类型变换
ndarray数组的维度变换：
.reshape(shape)：不改变数组元素，返回一个shape形状的数组，原数组不变
.resize(shape)：与.reshape()功能一致，但修改原数组
.flatten()：对数组进行降维，返回折叠后的一维数组，原数组不变
.swapaxes(ax1,ax2)：将数组n个维度中两个维度进行调换
ndarray数组的类型变换：new_a = a.astype(new_type)
astype()方法一定会创建新的数组(原始数组的一个拷贝)，即使两个类型一致
ndarray数组向列表的转换：ls = a.tolist()
ndarray数组的索引和切片
一维数组的索引和切片：与python的列表类似
多维数组的索引：
多维数组的切片：
ndarray数组的运算
NumPy一元函数
np.abs(x)、np.fabs(x)：计算数组各元素的绝对值
np.sqrt(x)：计算数组各元素的平方根
np.square(x)：计算数组各元素的平方
np.log(x)、np.log10(x)、np.log2(x)：计算数组各元素的自然对数、10底对数和2底对数
np.ceil(x)、np.floor(x)：计算数组各元素的ceiling值或floor值
np.rint(x)：计算数组各元素的四舍五入值
np.modf(x)：将数组各元素的小数和整数部分以两个独立数组形式返回
np.cos(x)、np.sin(x)、np.tan(x)、np.cosh(x)、np.sinh(x)、np.tanh(x)：计算数组各元素的普通型和双曲型三角函数
np.exp(x)：计算数组各元素的指数值
np.sign(x)：计算数组各元素的符号值，1(+),0,-1(-)
NumPy二元函数：
+、-、*、/、**：两个数组各元素进行对应运算
np.maximum(x,y)、np.fmax()、np.minimum(x,y)、np.fmin()：元素级的最大值/最小值计算
np.mod(x,y)：元素级的模运算
np.copysign(x,y)：将数组y中各元素值的符号赋值给数组x对应元素
>、<、>=、<=、==、!=：算术比较，产生布尔型数组
