NumpyPython的一种开源的数值计算包，功能非常强大，具体使用如下
一、Numpy的对象
- numpy里面有两个重要的对象，分别是nadarray和ufuncy
nadarray：解决数组多维度的问题
ufuncy ：解决了 对数组进行处理的问题
二、nadarray对象
1.介绍
Numpy通过创建ndarray对象，来对多维数组进行操作
Numpy多维数组中的维数叫做秩（rank），一维数组的的秩为一，二维数组的秩为二
Numpy的另一个线性叫做轴（axis），秩是用来描述轴的数量
2.使用
创建
np.array([1,2,3])（一维）
np.array([1,2,3],[4,5,6])（多维）其中[1,2,3]整体作为一个元素
属性
a.shape 获取数组大小
a.dtype 获取元素属性
下标从0开始，对元素修改直接赋值，多维数组修改下标应该是[x,y]比如[0,1]
自定义dtype结构类型
自定义数据类型.jpg
三、ufuncy对象
1.创建连续数组
x1=np.arange(1,11,2) #指定初始值，终值，步长
x2=np.linspace(1,9,5) #指定初始值，终值，元素个数，默认是包括终值
2.算术运算
加
np.add(x1,x2)
[2,6,10,14,18]
减
subtract(x1,x2)
[0,0,0,0,0]
乘
np.multiply(x1,x2)
除
np.divide(x1,x2)
求n次方
np.power(x1,x2)
x2数组中年的元素实际上是次方的次数，x1为元素为基数
取余数
np.remainder(x1,x2)
np.mod(x1,x2)
3.统计函数
数组/矩阵中最大值函数amax（），最小值函数amin（）
数组中的最值.jpg
输出.jpg
- admin(a)：指的是数组中的最小值
- amin(a,0)：指的是沿着axis=0轴最小的指，axis=0轴的元素是[1,2,3],[4,5,6],axis=1轴是[1,4,7],[2,5,8],其他同理
- np.ptp(a) #统计最大值和最小值的差ptp()
- np.ptp(a,0)#统计数组的百分位数percentile（）
- np.percentile(a,50)
- np.percentile(a,50,axis=0) #percentilr 代表第p个百分位数，取值范围是0-100，如果p=0是求最小值，p=50是求最大值，p=100是求最大值
- np.median(a) #统计数组中的中位数median（），平均数mean（）
- np.median(a,axis=0)
- np.mean(a)
- np.mean(a,axis=0)
- np.average(a) #统计数组中的加权平均值average（）
- np.average(a,weights=wts) #可以指定权重[1,2,3,4]
- np.std(a) #标准差：是方差的算术平方根，在数学意义上，代表的是一组数据离平均值的分散程度
- np.var(a) #方差：每个数值与平均值之差的平方求和的平均值
四、Numpy排序
- sort(a,axis=-1,kind='quicksort',order=None)
kind可以指定 quicksort（快速排序），mergesort（合并排序），heap sort（堆排序），默认是快速排序
axis默认是 -1 从最后一个轴开始排序，或者axis=None表示采用扁平化方式作为一个向量排序
order可以对于结构化数组指定某个字段进行排序
