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
