Numpy库

NumPy是Python语言的一个扩充程序库。支持高级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。
使用NumPy，开发人员可以执行以下操作：
数组的算数和逻辑运算。
傅立叶变换和用于图形操作的例程。
与线性代数有关的操作。 NumPy 拥有线性代数和随机数生成的内置函数。
NumPy 通常与 SciPy（Scientific Python）和 Matplotlib（绘图库）一起使用。 这种组合广泛用于替代 MatLab，是一个流行的技术计算平台。 但是，Python 作为 MatLab 的替代方案，现在被视为一种更加现代和完整的编程语言。
1.ndarray
语法：

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

上面的构造器接受以下参数：
1. object 任何暴露数组接口方法的对象都会返回一个数组或任何(嵌套)序列。
2. dtype 数组的所需数据类型，可选。
3. copy 可选，默认为true，对象是否被复制。
4. order C(按行)、F(按列)或A(任意，默认)。
5. subok 默认情况下，返回的数组被强制为基类数组。 如果为true，则返回子类。
6. ndimin 指定返回数组的最小维数。
实例：
示例一

import numpy as np 
a = np.array([1,2,3])  
print(a)

输出：
[1 2 3]
示例二

# 多于一个维度  
import numpy as np 
a = np.array([[1,  2],  [3,  4]])  
print(a)

输出：
[[1 2]
[3 4]]
示例 3

# 最小维度  
import numpy as np 
a = np.array([1,  2,  3,4,5], ndmin =  2)  
print(a)

输出如下：
[[1 2 3 4 5]]
示例 4

# dtype 参数  
import numpy as np 
a = np.array([1,  2,  3], dtype = complex)  
print(a)

输出如下：
[ 1.+0.j 2.+0.j 3.+0.j]

Numpy计算(重要)
1.条件运算



2.统计计算
指定轴最大值amax(参数1: 数组; 参数2: axis=0/1; 0表示列1表示行)

指定轴最小值amin

指定轴平均值mean

方差std

3.数组运算
数组与数的运算


数组间也支持加减成熟运算，但基本用不到

4.矩阵运算np.dot()


5.Numpy读取数据