1. 简介

　　NumPy 通常与 SciPy(Scientific Python)和 Matplotlib(绘图库)一起使用， 这种组合广泛用于替代 MatLab。

　　SciPy 是一个开源的 Python 算法库和数学工具包。SciPy 包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。

　　Matplotlib 是 Python 编程语言及其数值数学扩展包 NumPy 的可视化操作界面。

　　2. 创建

　　创建一维数组

　　(1)直接创建：np.array([1, 2, 3, 4, 5, 6])

　　(2)从python的list中建立：np.array(list([1, 2, 3, 4, 5, 6]))

　　创建常量值的一维数据

　　(1)创建以0为常量值：np.zeros(n,dytpe=float/int)

　　(2)创建以1为常量值：np.ones(n)

　　(3)创建一个空数组：np.empty(4)

　　创建一个元素递增的数组

　　(1)从0开始增长的递增数组：np.arange(8)

　　(2)给定区间，自定义步长：np.arange(0,1,0.2)

　　(3)给定区间，自定义个数：np.linspace(-1,1,50)

　　创建多维数组：创建单维数组，再添加进多维数组

　　# 数组的结构一定是np.array([]) 无论数组中间存放的是多少“层”数据

　　# 二维数组相当于存放的是“两层”数组而已

　　arr1=np.array(list([1, 2, 3, 4, 5]))

　　arr2=np.array([arr1,[1,0,0,1,0]]) # 2*5的两维数组

　　arr3=np.array(list([[0,0,1,1,1],[1,1,1,0,0],[2,3,4,5,6]])) # 3*5的两维数组

　　arrx=np.array([arr1,list([1, 2, 3, 4, 5],[1,1,1,0,0])]) # 报错

　　arry=np.array([list([[ 1,2,3, 7, 11],[2,3,4,5,6]]),[1, 2, 3, 4, 5]]) # 报错

　　创建常量值的(n*m)维数据

　　(1)创建以0为常量值：np.zeros((n*m),dytpe=float/int)

　　(2)创建以1为常量值：np.ones((n*m))

　　(3)创建一个空数组：np.empty((n*m))

　　创建随机数字的数组

　　生成随机数种子：

　　(1)np.random.seed()

　　(2)np.random.RandomState()

　　生成随机数：

　　函数　　取值　　说明

　　1　　np.random.rand(d0,d1,…,dn)　　[0,1)　　根据给定维度生成数组，服从均匀分布

　　2　　np.random.randint(low, high=None, size=None, dtype=’l’)　　[0,low)或者[low,high)　　根据size生成离散均匀分布的整数值

　　3　　np.random.randn(d0,d1,…,dn)　　　　根据给定维度生成数组，服从标准正态分布

　　4　　np.random.random_sample(size=None)　　[0,1)　　根据给定维度生成随机浮点数

　　5　　np.random.random(size=None)　　[0,1)　　根据给定维度生成随机浮点数

　　6　　np.random.ranf(size=None)　　[0,1)　　根据给定维度生成随机浮点数

　　7　　np.random.sample(size=None)　　[0,1)　　根据给定维度生成随机浮点数

　　生成有分布规律的随机数组

　　(1)二项分布：np.random.binomial(n, p, size)

　　(2)正态分布：np.random.normal(loc, scale, size)

　　将csv文件转化成数组或阵列

　　使用 np.genfromtxt( ‘csv文件名’，delimiter = ‘文件中的分割符’ )函数将文件转化成数组

　　csv_array = np.genfromtxt('sample.csv', delimiter=',')

　　print(csv_array)

　　3. 数组的变形

　　生成数组/矩阵转置的函数，即行列数字交换，使用.T

　　a = np.array([[32, 15, 6, 9, 14],

　　[12, 10, 5, 23, 1],

　　[2, 16, 13, 40, 37]])

　　print(a.T)

　　-------------------

　　# 结果如下

　　[[32 12 2]

　　[15 10 16]

　　[ 6 5 13]

　　[ 9 23 40]

　　[14 1 37]]

　　改变数组的形状：

　　(1)arr.resize(n,m) ：arr.resize(n,m)函数是原地修改数组，要求：元素的个数必须一致

　　a=np.arange(8)

　　a.resize(2,4)

　　print(a)

　　---------------------------

　　[[0 1 2 3]

　　[4 5 6 7]]

　　(2)arr.reshape(n,m)：如果某一个维度的参数为-1，则表示元素总个数会迁就另一个维度来计算

　　a=np.arange(8).reshape(-1,1)

　　print(a)

　　-----------------

　　[[0]

　　[1]

　　[2]

　　[3]

　　[4]

　　[5]

　　[6]

　　[7]]

　　将一维升至二维：np.newaxis

　　np.newaxis实际上是直接增加维度的意思，我们一般不会给数组增加太多维度，这里以一维增加到二维为例：

　　(1)增加行维度：arr[np.newaxis, :]

　　(2)增加列维度：arr[: , np.newaxis]

　　a=np.arange(8)

　　a # array([0, 1, 2, 3, 4, 5, 6, 7])

　　a.shape # (8,)

　　a[np.newaxis, :] # array([[0, 1, 2, 3, 4, 5, 6, 7]])

　　a.shape # (8,)

　　a[: , np.newaxis] # array([[0],[1],[2],[3],[4],[5],[6],[7]])

　　a.shape # (8,)

　　降维：arr.ravel()

　　arr.ravel()函数在降维时：默认是行序优先生成新数组(就是一行行读);如果传入参数“F”则是列序降维生成新数组

　　a=np.array([[1,2],[3,4]])

　　a.ravel()

　　a.ravel('F')

　　----------------------------

　　# 结果 array([1, 2, 3, 4])

　　# 结果 array([1, 3, 2, 4])

　　4. 计算

　　对数组进行计算操作

　　(1)对元素进行加减计算

　　a=np.arange(8).reshape(2,4) # array([[0, 1, 2, 3], [4, 5, 6, 7]])

　　b=np.random.randint(8,size=(2,4)) # array([[1, 2, 5, 3], [4, 1, 0, 6]])

　　a+b

　　a-b

　　----------------------------

　　# a+b和a-b结果分别是：

　　array([[ 1, 3, 7, 6],

　　[ 8, 6, 6, 13]])

　　array([[-1, -1, -3, 0],

　　[ 0, 4, 6, 1]])

　　(2)乘法：平方/矩阵中元素相乘

　　a=np.arange(8).reshape(2,4) # array([[0, 1, 2, 3], [4, 5, 6, 7]])

　　b=np.random.randint(8,size=(2,4)) # array([[1, 2, 5, 3], [4, 1, 0, 6]])

　　a**2

　　a*b

　　-----------------------

　　# a矩阵平方/a*b矩阵中元素相乘结果分别：

　　array([[ 0, 1, 4, 9],