Numpy是Python中用于处理数组的一个非常强大的库，同时也是Pandas等数据处理的库的核心，如果你有大量处理数组类型数据的操作，比如操作CSV文件数据或涉及数组的科学计算等，那么Numpy是一个非常好的选择。
注：此笔记中主要是以一维数组和二维数组作为示例，更高维的数组因为用的较少，同时原理和二维数组也相似，即数组中再套数组，所以就不再单独解释了。为了简化表示，文中的np表示Numpy，即import numpy as np。
一、创建数组（ndarray）
Numpy中的数组对象类型为ndarray，数组的创建，最基础的就是使用np.array()方法创建数组了，传入对应的列表或元组即可，创建时也可使用dtype参数指定元素的数据类型。在使用array方法创建数组时，数组中的元素必须是同一类型，如果不是，则会发生自动类型转换，如果不想进行自动转换，可指定数据类型为object，具体见示例代码。
其他还有一些用于创建特定类型数组的方法，常用的有：
- np.arange([start, ]stop, [step, ]dtype=None)：相当于Python中range函数，创建一个指定范围[0, start)或[start, stop)的连续的（具有相同间隔step）的数组。
- np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)：创建一个指定范围内具有相同间隔的指定元素个数的数组，注意，这个方法不用指定间隔，而是根据元素个数自动判断间隔。
- np.zeros(shape, dtype=float, order='C')：创建一个元素值为0的数组。
- np.ones(shape, dtype=None, order='C')：创建一个元素值为1的数组。
- np.empty(shape, dtype=float, order='C')：创建一个元素值未初始化的数组。
- np.zeros_like(a, dtype=None, order='K', subok=True, shape=None)：根据另一个数组创建一个相同维数和元素个数且元素值为0的数组。
- np.ones_like(a, dtype=None, order='K', subok=True, shape=None)：根据另一个数组创建一个相同维数和元素个数且元素值为1的数组。
- np.random.rand(d0, d1, ..., dn)：创建一个指定维数（d0, d1, ..., dn），元素为0到1之间的随机数的数组，d0的值表示这一维的元素个数。
- np.random.randint(low, high=None, size=None, dtype=int)：创建一个元素值为[0, low)或[low, high)之间的随机整数的数组，可用size指定数组的shape。
- np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None, axis=0)：创建一个指定范围内（base的start次幂到base的stop次幂）具有相同间隔的指定元素个数的数组。
示例：
二、数组索引和切片
Numpy中数组的索引和切片的使用形如[d0, d1, ...]的方式，其中使用逗号分隔每一维的索引和切片表示，而每一维的索引和切片表示又是与Python中列表的使用是一致的，所以对于一位数组的索引和切片直接就和Python的列表使用是一样的了，这里也不再展示示例代码了，重点在于二维及多位数组的索引和切片使用。
示例：
三、数组常用方法
常用属性：
- ndarray.dtype：数组元素的数据类型。
- ndarray.shape：数组的维数和对应元素个数信息。
- ndarray.size：数组中的元素个数。
- ndarray.ndim：数组的维数。
Numpy特色操作
常用方法（大多adarray方法都能在numpy下直接找到并使用）：
- ndarray.astype(dtype, order='K', casting='unsafe', subok=True, copy=True)：将数组中元素的数据类型转换为指定的类型。
- ndarray.fill(value)：将数组中的元素填充为指定的值。
- ndarray.flatten(order='C')：将数组“拉直”，变为一维数组，返回的是一个新的数组。
- ndarray.ravel([order])：也是将数组“拉直”，变为一维数组，但返回的是原数组的一个视图索引，即对这个一维数组的修改会同步到原数组。
- ndarray.reshape(shape, order='C')：重新定义数组的shape。
- ndarray.transpose(*axes)：对数组进行“翻转”。
- ndarray.T：相当于ndarray.transpose()。
- ndarray.round(decimals=0, out=None)：以“四舍五入”的方式对数组元素进行取整，decimals参数可以指定小数位数。
- ndarray.max(axis=None, out=None, keepdims=False, initial=<no value>, where=True)：获取数组中的最大值，也可以获取指定维度的最大值。
- ndarray.min(axis=None, out=None, keepdims=False, initial=<no value>, where=True)：获取数组中的最小值，也可以获取指定维度的最小值。
- ndarray.mean(axis=None, dtype=None, out=None, keepdims=False)：获取数组的平均值，也可以获取指定维度的平均值。
- ndarray.sum(axis=None, dtype=None, out=None, keepdims=False, initial=0, where=True)：获取数组的和，也可以获取指定维度的和。
- ndarray.argmax(axis=None, out=None)：最大值的索引。
- ndarray.argmin(axis=None, out=None)：最小值的索引。
- ndarray.clip(min=None, max=None, out=None, **kwargs)：截断操作，将数组中小于min值的元素重置为min值，大于max值的元素重置为max值。
- ndarray.sort(axis=-1, kind=None, order=None)：排序，也可以按照指定维度进行排序。
- ndarray.argsort(axis=-1, kind=None, order=None)：返回排序之后的元素索引。
- numpy.vstack(tup)：纵向连接数组。
- numpy.hstack(tup)：横向连接数组。
- numpy.where(condition[, x, y])：根据条件过滤数组。
示例：
四、文件读写
文本文件的读写可以使用以下两个方法：
- numpy.savetxt(fname, X, fmt='%.18e', delimiter=' ', newline='n', header='', footer='', comments='# ', encoding=None)：将一个数组保存到指定的文本文件中。fname为文件名称，X表示数组，fmt表示数据格式（以%表示的字符串格式化），delimiter为分隔符，其他参数也都是见名知意，看着使用就可以了。
- numpy.loadtxt(fname, dtype=<class 'float'>, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0, encoding='bytes', max_rows=None)：将文本文件中的数据加载到数组当中。
类似于数据的序列化和反序列化，可以将数组对象保存到文件中，然后加载出来后直接就是原先的数组对象：
- numpy.save(file, arr, allow_pickle=True, fix_imports=True)：将数对象组保存到指定文件中。
- numpy.load(file, mmap_mode=None, allow_pickle=False, fix_imports=True, encoding='ASCII')：从文件中读取数组对象。