这几天真的是太冷了，我还作死的把秋裤都放洗衣机了。活该....
NumPy基础的复习 import numpy as np
目录：
ndarry：一种多维数组对象
通用函数：快速的元素级数组函数
利用数组进行数据处理
用于数组的文件输入输出
线性代数
随机数生成 np.random
numpy最重要的一个特点就是其N维数组对象：ndarray
ndarray： data.shape（一个表示各维度大小的元祖） data.dtype（用于说明数组数据类型的对象）（可以显式指定数据类型或者系统推断数据类型）np.int np.flaoat64
创建ndarray：np.array（data） np.zeros（x）或np.zeros（（x，y）） 创建制定长度或形状的全0数组 np.ones（） 全为1的数组 np.empty（）全为垃圾值的数组
arange是python内置函数range的数组版：np.arange（）
数据类型：data.dtype（用于说明数组数据类型的对象）（可以显式指定数据类型或者系统推断数据类型）np.int np.flaoat64 data.astype（数据类型）显式转换数据类型 源数据不变
数组和标量之间的运算：
不同大小的数组之间的运算叫做广播
跟列表会让你重要的区别在于，数组切片是原始数组的视图，任何修改都会直接反映到原始数组上。
想要得到副本可以进行复制操作： data[x：y].copy（）
布尔型索引：布尔型数组的长度必须和被索引的轴长度一致 & 、| 布尔算术运算符
数组置换和轴对换：transpose 转置 data.T data.transpose（（1，2，0） y ，z，x
data.swapaxes（一对轴编号） 返回的是源数据的视图
通用函数 ufunc：
np.ufunc（data） abs、sqrt、square、exp、、、、 一元函数 二元函数np.ufunc（data1，data2）
讲条件逻辑表述为数组运算：np.where（cond，xdata，ydata） x if condition else y 可以嵌套多层。
数学和统计方法：数组实例调用：data.sum（） 顶级函数使用：np.sum（data）
排序：data.sort（）排序源数据
用于数组的文件输出和输入：
将数组以二进制格式保存到磁盘：
np.save（‘dataname’，data） 默认以未压缩的原始二进制格式保存在扩展名为.npy的文件中
np.load（‘dataname’，data） 读取磁盘上的数组
np.savez（‘name’，x=data1，y=data2） 将多个数组保存到一个压缩文件，将数组以关键字参数的形式传入即可 np.load（‘name’）【‘x’】
随机数生成：
np.random函数： seed 确定随机数生成器的种子 rand 产生均匀分布的样本值 randint 给定的范围内随机选取整数 randn 标准正态分布（平均值=0，标准差=1）
binomial 二项分布 normal 正态分布