在numpy包中我们可以用数组来表示向量，矩阵和高阶数据结构
首先导入numpy包：
from numpy import*
初始化numpy数组有多种方式，比如说
1.python列表或元祖
2.使用arrange，linspace函数
3.从文件中读取数据
例：列表生成numpy数组：
v=array([1,2,3,4])
M=array([[1,2],[3,4]])
v和M对象都是numpy模块提供的ndarray类型
v，M区别在于他们的维度不同
可以通过ndarray.shape获得他们的维度
ndarray.size获得他们的元素数量
v.T将1*n的数组转化成n*1的数组
例如：M.shape M.size
也可以用shape(M)和size(M)
那么为什么不使用list呢？
可以显示的定义元素类型通过在创建数组时使用dtype关键字
使用数组生成函数
x=arange(0,10,1) 0到10间距1
linspace(0,10,25) 0到10一共25个数据
x,y=mgrid[0:5,0:5]
生成随机数组:
from numpy import random
random.rand(5,5)生成5*5矩阵，随机值在0到1之间
random.randn(5,5)随机值
zeros((3,3)) 3*3的0矩阵
ones((3,3)) 3*3都是1的矩阵
文件I/O创建数组：
csv是一种常用的数据格式化文件类型，使用numpy.genfromtxt函数读取
使用numpy.savetxt可以将数组存储到csv文件中
M=random.rand(3,3)
savetxt("random-maxtrix.csv",M)
nnmpy原生文件类型：
用numpy.save和numpy.load保存和读取
save("Numpy.npy",M)
load("Numpy.npy")
操作数组：
使用方括号：
M[1]
M[1,1]
如果是n维数组，检索时省略一个索引值会返回一整行
M[1]
使用：能达到同样效果。
M[1,:]一行 M[:,1]一列
同样可以使用索引值进行赋值
A[1:3]会返回第1,2号元素---------索引这块其实和list差不多。
负值索引从数组尾部开始计算。M[-1]为数组倒数第一个
索引切片在二维数组里也是一样的。
numpy函数
where函数能将索引掩码转换成索引位置
diag函数提取出数组对角线
take函数与高级索引用法相似
choose选取多个数组的部分组成新的数组
我们对矩阵间进行加减乘除时，默认行为是逐项乘的
使用dot函数进行矩阵与矩阵，向量的乘法
将数组对象映射到matrix类型
M=matrix(A)
数组,矩阵的变换
.T=transpose
C=matrix([1j,2j],[3j,4j])
共轭：
conjugate(C)
real与img能分别得到复数的实部和虚部
real(C)
image(C)
angle与abs可以分别得到幅角与绝对值
共轭转置C.H
矩阵计算
求逆：inv(C)=C.I
行列式：linalg.det(C)
数据处理：
mean(data[:,3])求第四列平均值
标准差与方差:
std(data[:,3]),var(data[:,3])
最大值与最小值
data[:,3].min() data[:,3].max()
总和，总乘积与总对角线和：
d=arange(0,10)
sum(d)
prod(d)总乘积
cumsum(d)对每一项进行阶乘
trace（A） #same as:diag(A).sum()
对高维数组进行操作
m=rand(3,3)
m.max()
m.min()
m.max(axis=0) #max in each colomn
m.max(axis=1) #max in each row
改变形状及大小
A=array(...)
n,m=A.shape() #n,m为A的行列数
B=A.reshape(1,n*m)
B[0,0:5]=5 #B的第一行0到5全赋值为5
flatten函数创造高阶数组的向量版本，但是会对数据进行一份拷贝
B=A.flatten();
增加一个新维度
v=array([1,2,3])
v[:,newaxis] #将v变成3*1的矩阵
v[newaxis,:] #将v变成1*3的矩阵
叠加与重复数组
title与repeat
A=array([1,2],[3,4])
浅拷贝与深拷贝
为了获得高性能，python中赋值往往不拷贝底层对象，成为浅拷贝
如将A赋值给B，改变B的同时A也会被改变。
使用copy函数进行深拷贝
B=copy（A）
遍历数组元素
可以使用for遍历数组元素
for element in v:
print element
M=array([[1,2],[3,4]])
for row in M:
print("row",row)
for element in row:
print element
可以使用enumerate函数同时获取元素与对应序号
矢量化函数
标量函数不能处理矢量array 所以需要使用vectorize函数将标量函数变为矢量函数