1.创建ndarray数组：Numpy库能将序列数据（列表，元组，数组等其他数据类型）转换为ndarray数组
需要引入numpy库：import numpy as np
语法：np.array(data)
参数说明：data为需要转换为ndarray数组的序列
Numpy库还有一些函数可以创建一些特殊的数组：
arr=np.array()
arange： 类似内置的range函数，用于创建数组
ones： 创建指定长度或形状的全1数组
ones_like： 以令一个数组为参考，根据其形状和dtype创建全1数组
zeros、zeros_like：创建全0数组
empty、empty_like：创建没有具体值的数
eye、 identity： 创建正方形的N×N单位矩阵
**注意：用np.调用
2.ndarray对象属性：
.ndim： 秩，即数据轴的个数
.shape： 数组的维度
.size： 元素的总个数
.dtype： 数据类型
.itemsize：数组中每个元素的字节大小
注意：用arr.调用
3.ndarray数据类型：
常见的几种数据类型：浮点数（float）、整数（int）、复数（complex）、布尔值（bool）、字符串（string_）、python对象（object）
4.数组变换1-数组重塑、数组合并
1.数组重塑：对于定义好的数组，可以通过reshape方法改变其数据维度
语法：arr.reshape((x,y))
说明：arr：ndarray数组
x：行
y：列，可以设置成-1，表示数组的维度可以通过数据本身来判断
与reshape相反的方法是数据散开（ravel）或扁平化（flatten）
语法：arr.ravel（）
说明：arr：ndarray数组
语法：arr.flatten（）
说明：arr：ndarray数组2.数组合并：用于几个数组间的操作，concatenate方法通过指定轴方向，将多个数组合并在一起。
***注意：轴用来为超过一维的数组定义的属性，二维数组拥有两个轴：
第0轴：（axis=0）沿着行的方向垂直向下
第1轴：（axis=1）沿着列的方向水平延伸
语法：np.concatenate([arr1,arr2],axis=0|1)
此外，vstack和hstack也可以进行数组合并：
语法：np.vstack((arr1,arr2))
np.hstack((arr1,arr2))
4.数组变换2-数组拆分、数组置换和轴对称：
1.数组拆分：方法：split
语法：np.aplit(arr,indices_or_sections,axis=0)
说明：arr：要切分的数组
indices_or_sections：如果是一个整数，就用该数平均切分，如果是数组，为沿轴切分的位置（左开右闭）
axis：为0，横线切分，为1，纵向切分
2.数组置换：transpose方法需要传入轴编号组成的元组 arr.transpose((1,0))
3.轴对称：arr.swapaxes(1,2)
5.Numpy随机数函数：
在numpy.random模块中，提供了多种随机数生成函数：
rand： 产生均匀分布的样本值
randint： 给定范围内去随机整数
randn： 产生正态分布的样本值
seed： 随机数种子
permutation：对一个序列随机排序，不改变原数组
shuffle： 对一个序列随机排序，改变原数组
normal： 产生具有正态分布的数组
2.3数组的运算：
1.通用函数： abs函数求绝对值，square函数求平方
arr=np.random.randn(3,3)
arr
np.abs(arr)
np.square(arr)
二元函数：需要传入两个数组并返回一个数组：add函数用于两个数组的相加，minimum函数可以计算元素最小值
arr1=np.random,randint(1,10,size=(5))
arr1
array([2,7,2,4,2])
arr2=np.random,randint(1,10,size=(5))
arr2
array([3,2,1,8,6])
np.add(arr1,arr2)
array([5,9,3,12,8])
np.minimum(arr1,arr2)
array([2,2,1,4,2])
有些函数可以返回两个数组，例如modf函数，可以返回数组元素的小数和整数部分：
arr=np.random.normal(2,4,size=(6,))
arr
np.modf(arr)
2.条件逻辑运算：
如果需要通过cond的值来选取arr1和arr2的值，当cond为True时，选择arr1的值，否则选择arr2的值，可以通过if语句判断来实现
创建数组：arr1=np.array([1,2,3,4])
arr1=np.array([5,6,7,8])
arr1=np.array([True,False,False,True])
条件逻辑：result=[(x if c else y) for x,y,c in zip(arr1,arr2,cond)]
result
[1,6,7,4]
where函数可以解决处理速度不快，无法用于多维数组的问题
result=np.where(cond,arr1,arr2)
result
array([])
sum函数求和，mean函数求算数平均数，std函数求标准差,min：最小值，max：最大值，
arr.sum() arr.mean() arr.std() arr.min() arr.max()
cumsum：所有元素的累计和 cumprod：所有元素的累计积
arr.cumsum() arr.cumprod()
dot函数用于矩阵乘法
np.dot(arr1,arr2)
array()
3.排序：sort方法
arr.sort()
arr
4.集合运算：使用np.unique方法来找出数组的唯一值
arr=np.array()
arr
np.unique(arr)
5.数组的读取：
可以通过np.loadtxt方法进行读取
- 数据的存储：arr=np.arrange().reshape
arr
np.savetxt()