1、Numpy简述
Numpy是科学计算基础库，提供大量科学计算基础库，提供大量科学计算相关功能，比如数据统计，随机数生成等。其提供最核心类型为多维数组类型(ndarray)，支持大量的维度数组与矩阵运算，Numpy支持向量处理ndarray对象，提高程序运算速度。
在上面的函数，返回值看着像一个列表，其实返回值类型是numpy.ndarray。
2、array函数
numpy 模块的array函数可以生成多维数组
语法格式如下：
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
?array参数说明
| 名称 | 描述 |
| object | 数组或嵌套的数列 |
| dtype | 数组元素的数据类型，可选 |
| copy | 对象是否需要复制，可选 |
| ? ?order? | 创建数组的样式，C为行方向，F为列方向，A为任意方向（默认） |
| subok | 默认返回一个与基类类型一致的数组 |
| ndmin | 指定生成数组的最小维度 |
3、ndarray 对象
ndarray对象属性
?linspace 函数用于创建一个一维数组，数组是一个等差数列构成的，格式如下：
np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
numpy.logspace 函数用于创建一个于等比数列。格式如下：
np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)
数组的拼接
- 水平数组组合：hstack(A,B)
- 垂直数组组合：vstack(A,B)
| 函数 | 描述 |
| concatenate | 连接沿现有轴的数组序列 |
| hstack | 水平堆叠序列中的数组（列方向） |
| vstack | 竖直堆叠序列中的数组（行方向） |
numpy.concatenate 函数用于沿指定轴连接相同形状的两个或多个数组，格式如下：
numpy.concatenate((a1, a2, ...), axis)
- 参数说明：
- a1, a2, ...：相同类型的数组
- axis：沿着它连接数组的轴，默认为 0? ? ?（注：axis=0 可以使用 vstack 替换）
数组的分割
split 分割
numpy.split
函数沿特定的轴将数组分割为子数组，格式如下：
numpy.split(ary, indices_or_sections, axis)
参数说明：
- ary：被分割的数组
- indices_or_sections：如果是一个整数，就用该数平均切分，如果是一个数组，为沿轴切分的位置。
- axis：沿着哪个维度进行切向，默认为 0，横向切分。为 1 时，纵向切分。
如下所示：
???????????????????????????????
?水平分割
????????水平分割数组是将两个或多个数组水平进行首尾相接，而水平分割数组是将已经水平组合到一起的数组再分开。
使用h.split(X,num)??
????????X表示被分割的数组,num表示分隔成几个小数组
例子：
?垂直分割使用：vsplit(X,num)
transpose 进行转换
? 例：将a进行转置? ? ? a.transpose()
聚合函数
| 函数名 | 说明 |
| np.sum() | 求和 |
| np.prod() | 所有元素相乘 |
| np.mean() | 平均值 |
| np.std() | 标准差 |
| np.var() | 方差 |
| np.median() | 中数 |
| np.power() | 幂运算 |
| np.sqrt() | 开方 |
| np.min() | 最小值 |
| np.max() | 最大值 |
| np.argmin() | 最小值的下标 |
| np.argmax() | 最大值的下标 |
| np.inf | 无穷大 |
| np.exp(10) | 以e为底的指数 |
| np.log(10) | 对数 |
?
