NumPy基础：数组和矢量计算
NumPy的ndarray：一种多维数组对象
该对象是一个快速灵活的大数据集容器。你可以利用这种数组对整块数据执行一些数学运算，其语法跟标量元素之间的运算一样
列表转换为数组
二维列表
数据类型
其他一些自动生成的数组
arange（）
ndarray的数据类型
使用astype（）方法转换类型，如果将浮点数转换成整数，则小数部分将会被截断，如果某个字符串数组全是数字，也可以用其转换为数值形式
数组和标量之间的运算
数组很重要，因为它使你不用编写循环即可对主句执行批量运算。这通常就叫做矢量化。大小相等的数组之间的任何算术运算都会将运算应用到元素级。
数组*数组就是相应位置每个数的乘积，数组也可以和标量进行加减乘除运算。
不同大小的数组之间的运算叫做广播。
基本的索引和切片
跟python中列表类似，数组切片是原始数组的视图。
arr[0][2]
arr[0,2]
这两个是相同的
布尔型索引
可以使用!=,-,或者&,|进行运算。
花式索引
指的是利用整数数组进行索引。
数组转置和轴对称
arr.T,
np.dot(arr.T,arr)计算内积
高位数组的转置不太明白
还有一个swapaxes方法，需要接受一个对轴编号。不太理解
通用函数：快速的元素级数组函数
利用数组进行数据处理
矢量化：用数组表达式代替循环的做法。一般来说，矢量化数组运算要比等价的纯Python方式快上一两个数量级（甚至更多）。
np.neshgrid()函数接受两个一维数组，产生两个二维矩阵（对应于两个数组中所有的（x，y）对）
将条件逻辑表述为数组运算
np.where函数是三元表达式 x if condition else y的矢量化版本。
np.where的第二个和的三个参数不必是数组，他们都可以是标量值。通常用于根据另一个数组而产生一个新的数组。
数学和统计方法
排序
跟Python内置列表类型一样，NumPy数组也可以通过sort方法就地排序。
*方法np.sort返回的是数组的已排序副本，而就地排序则会修改数组本身。
唯一化以及其他的集合逻辑
NumPy提供了一些针对一维ndarray的基本集合运算。最常用的可能要数np.unique了，它用于找出数组中的唯一值并返回已排序的结果。
用于数组的文件输入输出
NumPy能够读写磁盘上的文本数据或二进制数据。
将数组以二进制格式保存到磁盘：
np.save() 保存，数组是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() 读取磁盘上的数组。
np.saves() 可以将多个数组保存到一个压缩文件中，将数组以关键字参数的形式传入即可。.npz
存取文本文件：
np.loadtxt()
np.savetxt()