约定：import numpy as np

ndarray:多维数组对象

1.创建ndarry对象

使用array函数

列表转换

嵌套序列转换为多维数组

嵌套序列转换

np.array会尝试为新建数组推断出最为合适的类型，除非有显式说明

dtype

zeros和ones分别可创建指定长度和形状的全0或全1数组，empty可创建空数组

zeros()

empty()返回的是为初始化的垃圾值，而非全0

arange

eye/identity创建一个正方形的n*n单位矩阵

单位矩阵

2.ndarray的数据类型dtype

指定数据类型

显示转换数据类型

浮点数转整数，小数部分会被截断

字符串数组若表示的全是数字，可转换为数值类型

3.数组和标量之间的运算

数组和数组之间运算

数组和标量的运算

4.索引和切片

将标量赋值给切片：广播到整个选区

二维数组:arr[0][2]等价于arr[0,2]

切片索引：

在一个轴上切片

多个切片

整数索引和切片混合：对低维轴进行切片

只有冒号表示选取整个轴

对高维轴进行切片

对切片表达式的赋值操作

5.布尔型索引

每个名字对应data数组中的一行

数组的比较运算“==”是矢量化的，产生布尔型数组

布尔型数组用于数组索引，布尔型数组的长度必须跟被索引的轴长度一致

布尔型数组跟切片、整数混合使用

选择除bob以外的其他值，"!=","~"进行否定

应用多个布尔条件

通过布尔型数组设置值

通过一维布尔数组设置整行或列的值

6.花式索引：利用整数数组进行索引

以特定顺序选取子集，传入用于指定顺序的整数列表

负数索引从末尾开始选取行

传入多个索引数组，返回一个一维数组

选取(1,0),(5,3),(7,1),(2,2)

 选取方形区域

np.ix_函数选取方形区域

花式索引与切片不同，总是将数据复制到新数组中

7.数组转置和轴对换

转置：返回源数据的视图（不进行任何复制操作）

数组转置，简单地转置可以使用.T（进行轴对换）

利用np.dot()计算内积

对于高维数组，transpose需要得到一个由轴编号组成的元组才能进行转置

使用swapaxes方法转置，需要接受一堆轴编号，返回源数据的视图

8.通用函数ufunc

是对ndarray中的数据执行元素级运算的函数，可以看做是简单函数的矢量化包装器

一元ufunc

二元ufunc

sqrt、exp

元素级最大值

modf返回两个数组

9.利用数组进行数据处理

矢量化：用数组表达式代替循环

meshgrid函数接受两个一维数组，并产生两个二维矩阵，

计算x^2+y^2

图形化显示

9.1 将条件逻辑表述为数组运算

根据cond中的值选取xarr和yarr中的值：当cond中的值为true时，选取xarr的值，否自选取yarr的值

但对大数组处理速度不够快，无法用于多维数组

使用np.where

np.where第二第三个参数不必是数组，可以是标量

where通常用于根据另一个数组而产生一个新数组

将所有正值替换为2，负值替换为-2

只将正值设置为2

9.2数学和统计方法

基本数组统计方法

cumsum cumprod

9.3用于布尔型数组的方法

用sum对布尔型数组中的true值计数

any测试数组中是否存在true，all检查数组中是否所有值都是true

9.4排序

就地排序sort

多维数组可以再任何一个轴向上进行排序

顶级方法np.sort返回的是数组的已排序副本，而就地排序会修改数组本身

9.5唯一化以及其他的集合逻辑

数组的集合运算

10.用于数组的文件输入输出

将数组以二进制格式保存到磁盘

默认情况下，数组是以未压缩的原始二进制格式保存在扩展名为.npy的文件中

np.save写磁盘数组数据

如果文件路径末尾没有.npy，则该扩展名会被自动加上

np.load读取磁盘上的数组

保存多个数组

np.savez将多个数组保存到一个压缩文件中

11.线性代数

dot函数：矩阵乘法

numpy.linalg函数

12.随机数生成

numpy.random