np.array()

1.np.array构造函数

np.array([1,2,3,4,5]) ///一维数组
np.array([1,2,3],[2,3,4])///二维数组

1.1 numpy array 和 python list 有什么区别？
Python中提供了list容器，可以当作数组使用。但列表中的元素可以是任何对象，因此列表中保存的是对象的指针，这样一来，为了保存一个简单的列表[1,2,3]。就需要三个指针和三个整数对象。对于数值运算来说，这种结构显然不够高效。

1.2 如何强制生成一个 float 类型的数组
d = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]], dtype=np.float)

1.3 使用astype(int)对上述 array 进行强制类型转换
d.astype(int)

2. arange
用法 ：np.arange(0,10) // 生成[0,1,2,3,4,5,6,7,8,9] 左开右闭不包括10

3. reshape
np.arange(1,12).reshape((3,4)) 从(3,4)改为(4,3)并不是对数组进行转置，而只是改变每个轴的大小，数组元素在内存中的位置并没有改变
reshape(-1,1) 任一行一列

4. 构造等差数列和等比数列
np.linspace(1, 10, 10)//包括终止值 [1,2,3,4,5,6,7,8,9,10]
可以通过选项配置其不包括终止值，c=np.linspace(1, 10, 10, endpoint=False)
np.logspace(1,4,4,base=2,endpoint=True)

5.数组的运算及矩阵的运算
a. 数组的相加，相当的随意，不用一样的行和列
a = np.array([1,2,3,4,5])
b = a.reshape(-1,1)
a+b 返回的是一个 5*5 的矩阵

b.对应元素相乘用 multiple ，矩阵的乘法用np.dot
a1=np.matrix([1,1]);
a2=np.matrix([2,2]);
a3=np.multiply(a1,a2)