数组创建
numpy.empty(shape, dtype=float, order='C')
numpy.zeros(shape, dtype=float, order='C')
numpy.ones(shape, dtype=float, order='C')
根据列表或者元组参数 a 创建数组
numpy.asarray(a, dtype=None, order=None)
根据缓冲区的对象作为参数 buffer 作为 ndarray
"""
dtype 默认为 float，表示数据类型
count 默认值为 -1，表示读取所有数据
offset 默认为 0，表示从第一位读取
"""
numpy.frombuffer(buffer, dtype=float, count=-1, offset=0)
根据可迭代对象 iterable 返回一个新的一维数组
numpy.fromiter(iterable, dtype=float, count=-1)
根据数值范围来创建数组
"""
start 默认为 0，表示范围的起始值
stop 范围的终止值（开区间，不包括该数）
step 默认为 1，表示两个值的间隔
dtype 返回ndarray的数据类型，如果没有提供，则会使用输入数据的类型
"""
numpy.arange(start, stop, step, dtype)
指定范围内的均匀间隔数量，而不是步长，来创建数组
"""
start 序列的起始值
stop 序列的终止值，如果 endpoint 为 true，该值包含于序列中
num 默认为 50，要生成的等间隔样例数量
endpoint 默认为 true，表示是否包含 stop 值
retstep 默认为 false, 表示是否返回连续数字之间的步长
dtype 返回ndarray的数据类型
"""
numpy.linspace(start, stop, num, endpoint, retstep, dtype)
包含在对数刻度上均匀分布的数字，刻度的开始和结束端点是某个底数的幂，通常为10
"""
类似于 numpy.linspace 函数，只是这里是对数刻度上的均匀分布而已，多了一个参数 base，默认为 10；并且没有 retstep 参数
"""
numpy.logspace(start, stop, num, endpoint, base, dtype)
索引方法：字段访问、基本切片和高级索引
基本切片
"""
- 通过将 start stop 和 step 参数提供给内置的 slice 函数来构造一个 python slice 对象
a = np.arange(10)
s = slice(2, 7, 1) # [2, 3, 4, 5, 6]
a[s]
等效于
a[2:7:1] 或者 a[2:7] - 使用包括省略号 ... 来使选择元组的长度与数组的维度相同，如果在行位置使用省略号，它将返回包含行中元素的 ndarray
"""
高级索引
"""
如果一个 ndarray 是非元组序列，数据类型为整数或布尔值的ndarray,或者至少一个元素为序列对象的元组，
我们就能够用它来索引ndarray。
高级索引始终返回数据的副本，与此相反，切片只提供一个视图。
"""
使用布尔值
x = numpy.arange(12).reshape(4,3)
print x[x > 5] # 获取大于5的元素
使用 ~ 取补运算符 来过滤 NaN
x = numpy.array([numpy.nan, 1, 2, numpy.nan, 3, 4, 5])
print x[~numpy.isnan(x)]
使用 iscomplex 过滤
x = numpy.array([1, 2+6j, 5, 3.5+5j])
print x[numpy.iscomplex(x)]
广播 broadcast
"""
当操作两个array时，numpy会逐个比较它们的shape（构成元组tuple）,只有在下述情况下，两arrays才算兼容
- 相等
- 其中一个为1，（进而可进行拷贝拓展，达到shape匹配）
注意：
- 执行broadcast的前提是，两个ndarray执行的是 element-wise(按位加、按位减)的运算，而不是矩阵乘法的运算，矩阵乘法需要维度之间严格匹配；
- 如果矩阵乘法 numpy.dot(A, B) 维度不匹配时，提示的错误不是 broadcast 而是 aligned
- 一维数组置于矩阵乘法的左边，被视为一个行向量
- 一维数组置于矩阵乘法的右边，被视为一个列向量
- （这样和一个一维数组作用无论是在左还是在右）矩阵乘法运算结束得到的向量仍是一维数组
"""
