==此篇章为工具代码部分的学习，读者有心请务必自己不看答案在草稿纸上写一写，这是我第一次复习的注释，今后的我也请记住。
NumPy（Numerical Python）是Python的⼀种开源的数值计算扩展。提供多维数组对象，各种派⽣对象（如掩码数组和矩阵），这种⼯具可⽤来存储和处理⼤型矩阵，⽐Python⾃身的嵌套列表（nested list structure)结构要⾼效的多（该结构也可以⽤来表示矩阵（matrix）），⽀持⼤量的维度数组与矩阵运算，此外也针对数组运算提供⼤量的数学函数库，包括数学、逻辑、形状操作、排序、选择、输⼊输出、离散傅⽴叶变换、基本线性代数，基本统计运算和随机模拟等等。
==提供多维数组对象，意味着可以储存和处理大型的矩阵，这个比python自带的list要高效很多。并且还针对数组计算给出大量的数学函数库。
==这里也是随口提一下list和numpy的区别哈，前者内部可以装多种数据类型，后者只可以一种。
⼏乎所有从事Python⼯作的数据分析师都利⽤NumPy的强⼤功能。
强⼤的N维数组；成熟的⼴播功能；⽤于整合C/C++和Fortran代码的⼯具包；NumPy提供了全⾯的数学功能、随机数⽣成器和线性代数功能
==强在四个能力，N维数组，广播功能，用来整合的工具包，和一些数学函数工具
第⼀部分 基本操作
第⼀节 数组创建
创建数组的最简单的⽅法就是使⽤array函数，将Python下的list转换为ndarray。
我们可以利⽤np中的⼀些内置函数来创建数组，⽐如我们创建全0的数组，也可以创建全1数组，全是其他数字的数组，或者等差数列数组，正态分布数组，随机数。
=不着急，一个一个来
1-创建全是0的数组，创建全是1的数组。假定大小是10个
2-创建一个两行3列的，值为2.718的数组
3-创建一个从0开始到20，步长为2的数组
4-创建一个0到9的10个数字，他们之间间隔是均匀的
5-创建一个0到100的随机数组，个数为10（整数）
6-创建一个正态分布的数组，个数为5
7-创建一个随机分布数组，个数为10（浮点型）
==第一次复习存在的问题：
①zero那里没有加上s
②包含赋值的数组创建中，使用np.full函数，并且维度用中括号扩起，用fill_value来取值
③包含起始位置和间隔参数的数组创建使用np.arange()注意是一个r
④相等间隔的函数时linspace
⑤随机创建的函数的前缀是np.random.如果是随机整数，则是np.random.randint；随机浮点数是np.random.random；正态分布则是np.random.randn
第⼆节 查看操作
NumPy的数组类称为ndarray，也被称为别名 array。请注意，numpy.array这与标准Python库类不同。array.array，后者仅处理⼀维数组且功能较少。ndarray对象的重要属性是
1.2.1 数组的轴数、维度
=创建一个三维的0-100的随机数字的数组，并输出其维度
==这里默认这是一个整数型，维度用size来控制，维度输出用ndim
=将上面数组形状输出
=输出其元素总数
=输出其数据类型
第三节 ⽂件IO操作
1.3.1 保存数组
=用save方法将ndarray保存到npy文件，用savez方法将多个array保存到一个npz文件
==这里注意save用来存一个，savez用来存多个，还有就是内部参数
利用load方法来读取储存的数组，如果是npz文件的话，读取之后相当于形成了⼀个key-value类型的变量，通过保存时定义的key来获取相应的array
=读取npy和npz文件
=读写csv，txt文件
第⼆部分 数据类型
=array创建时，指定类型为浮点型
==dtype处理数据格式
=创建array并转变为浮点型
=第三个数据类型转化方式
第三部分 数组运算
=创建两个数组，并完成加减乘除幂运算
=逻辑运算
=加减乘运算，并且只会修改现有数组，不创建新数组
第四部分 复制和视图
在操作数组时，有时会将其数据复制到新数组中，有时不复制。
==查看或浅拷贝，不同的数组对象可以共享同一个数据。
=深拷贝，创建后两者相互独立
=创建一个e的8次方大小的数组，然后在其中每隔100万个选一个数据，然后删除a，减小内存消耗。
第五部分 索引、切⽚和迭代
第⼀节 基本索引和切⽚
numpy中数组切⽚是原始数组的视图，这意味着数据不会被复制，视图上任何数据的修改都会反映到原数组上
=创建一个长度为10的任意数组，输出第5个数字
=输出5到8
=输出2开始，步长为2；倒着输出；倒着输出每两个取一个
第六部分 形状操作
=数组变形，创建一个维度为3，4，5的数组，并将其转化为12，5；然后再将其自动转化为？，5的数组。
==reshape函数，使用-1可以自动整形
=数组转置，二维与高维转置方式不同，请分别举例
==这里注意数组生成的格式，然后是高维数组转置的方法
=数组堆叠，创建两个一维数组，并将其串联（分别按行和按列）
=创建一个2维数组，从不同维度，用不同断点来拆分。
第七部分 ⼴播机制
当两个数组的形状并不相同的时候，我们可以通过扩展数组的⽅法来实现相加、相减、相乘等操作，这种机制叫做⼴播（broadcasting）
⼀维数组⼴播
==创建上述数组，并实现广播操作
==这里的第一个难点还是这个数组的创建
==创建上述数组，并实现广播操作
==这里不难看出行信息的创建是array[1,2,3]，列的创建就是array[[1],[2],[3]]
三维数组⼴播3
==创建上述数组，并实现广播操作
第⼋部分 通⽤函数
第⼀节 通⽤函数：元素级数字函数
abs、sqrt、square、exp、log、sin、cos、tan，maxinmum、minimum、all、any、inner、clip、round、trace、ceil、floor
这里指一些通用函数，例如绝对值，开平方之类的，再numpy中可以轻松的直接引用。
第⼆节 where函数
where 函数，三个参数，条件为真时选择值的数组，条件为假时选择值的数组
==这个函数的应用老实说有点像if，里面3个参数，第一个是条件，第二个是成立时返回的值，第三个是不成立时返回的值。
第三节 排序⽅法
np中还提供了排序⽅法，排序⽅法是就地排序，即直接改变原数组
arr.sort()、np.sort()、arr.argsort()
第四节 集合运算函数
第五节 数学和统计函数
第九部分 线性代数
矩阵乘积
矩阵其他计算
下⾯可以计算矩阵的逆、⾏列式、特征值和特征向量、qr分解值，svd分解值
第⼗部分 实战-⽤NumPy分析鸢尾花花萼属性各项指标
案列：读取iris数据集中的花萼⻓度数据（已保存为csv格式）
并对其进⾏排序、去重，并求出和、累积和、均值、标准差、⽅差、最⼩值、最⼤值。
