Numpy 库是高性能科学计算和数据分析的基础包，不是 Python 的标准库，是 Python 的第三方库。
这里使用JoinQuant量化交易平台免费提供的基于 IPython Notebook 的研究平台
ndarray 数组基础
Python 中用列表保存一组值，可将列表当作数组使用。此外，Python 有 array 模块，但它不支持多维数组，无论是列表还是 array 模块都没有科学运算函数，不适合做矩阵等科学计算。因此，Numpy 没有使用 Python 本身的数组机制，而是提供了 ndarray 数组对象，该对象能不断方便地存取数组，而且拥有丰富的数组计算函数，比如向量的加法、减法、乘法等
首先要导入 Numpy 库
# 直接导入 Numpy 函数库
import numpy
# 导入 Numpy 函数库并指定别名，这个更常用，np是约定好的叫法
import numpy as np
创建 Numpy 数组
numpy1 = np.array([[10, -8, 10.5], [-4, 6.0, 9.6]])
通过 array() 函数定义数组实例对象，其参数是 Python 的序列对象（比如列表）
如果想定义多维数组，则传递多层嵌套序列
接下来的示例将在平台的“我的策略/投资研究”中进行，首先创建一个 Python3文件
接下来，查看数组的行数、维数、数据等属性
Numpy 特殊数组
在 Numpy 数组中，有3种特殊数组，分别是 zero 数组、ones 数组、empty 数组
通过 np.zeros创建都是0的数组，参数中传一个元组，4表示4行，5表示5列，如下图：
同理，可以创建全都是1的数组，这里创建6行2列：
再创建一个2行5列的空值数组；不同的是，这里创建的数据并不都是空的，而都是近似于0的数据
Numpy 序列数组
arange函数与 Python 中的 range 函数相似，但它属于 Numpy 库，其参数依次为：开始值、结束值、步长
还可以使用 linspace 函数创建等着序列数组，其参数依次为：开始值、结束值、元素数量
利用arange函数创建等着序列数组，这里指定的开始值为1，结束值为80，步长为4
利用linspace函数创建等着序列数组，这里指定的开始值为1，结束值为3，一共创建13个值（也就是将0到3平均分成13份后的数值）
Numpy 数组索引
Numpy 数组的每个元素、每行元素、每列元素都可以通过索引访问
Numpy 数组运算
Numpy 数组运算是指 Numpy 数组中元素的加、减、乘、除、乘方、最大值、最小值等运算
Numpy 数组复制
Numpy 数组复制分两种，一种是浅复制，一种是深复制
浅复制通过数组变量的复制完成，只复制数组的引用，这样对浅复制数组中的元素进行修改时，原数组中对应的元素也会被修改
深复制使用数组对象的copy方法完成，是对存储内存进行复制。这样对深 复制数组中的元素进行修改时，原数组中对应的元素不会改变
浅复制：
深复制：
矩阵
矩阵（Matrix）是一个按照长方阵列排列的复数或实数集合，是高等数学中的常见工具，也常见于统计分析等应用数学学科中
Numpy 的矩阵对象与数组对象相似，主要不同之处在于，矩阵对象的计算遵循矩阵数学运算规律，即矩阵的乘、转置、示逆等。需要注意的是，矩阵使用 matrix 函数创建
注：本文章为个人学习笔记，参考了一些书籍与官方教程，不作任何商业用途！
