numpy库的相关内容

	numpy库处理的最基础数据类型是由同种元素构成的多维数组，数组中的所有元素的类型必须 相同，维度（dimensions)叫做轴(axes),轴的个数叫做秩（rank)，例如一维数组的秩为1。
	创建数组（ndarray)的函数共有7个，

|np.array([x,y,z],dtype=int|从列表和元组创造数组 |
|np.arange(x,y,i)|创建一个由x到y,以I为步长的数组|
| np.linspace(x,y,n) |创建一个由x到y，等分成n割元素的数组 |
|np.indices((m,n))|创建一个m行n列的矩阵 |
|np.random.rand(m,n)|创建一个m行n列的随机数组|
| np.ones((m,n),dtype)|创建一个m行n列全1的数组，dtype是数据类型 |
|np.empty（（m,n),dtype)|创建一个m行n列全0的数组，dtype是数据类型|

基本属性：
ndim 数组轴的个数，秩
shape 数组在每个维度上大小的整数元组
size 数组元素的总个数
dtype 数组元素的数据类型
itemsize 数组中每个元素的字节大小
data 包含实际数组元素的缓冲区地址
flat 数组元素的迭代器

ndarray形态操作方法：
reshape（n,m) 不改变数组，返回一个维度为（n,m)的数组
resize(new_shape) 与reshape作用相同
swapaxes(ax1,ax2) 对数组n割维度中任意两个维度进行调换
flatten() 对数组进行降维，返回一个折叠后的一维数组
ravel() 作用同flatten()，返回数组的一个视图（副本是一个数据的完整的拷贝，如果我们对副本进行修改，它不会影响到原始数据，物理内存不在同一位置。
视图是数据的一个别称或引用，通过该别称或引用亦便可访问、操作原有数据，但原有数据不会产生拷贝。如果我们对视图进行修改，它会影响到原始数据，物理内存在同一位置。）

数组切片得到的是原始数组的视图，所有修改都会直接反应到原数组

x[i]
x[-i]
x[n:m]
x[-m:-n]
x[n,m,i]

运算函数
add(x1,x2[,y]) y=x1+x2
subtract(x1,x2[,y]) y=x1-x2
multiply(x1,x2[,y]) y=x1*x2
divide(x1,x2[,y]) y = x1/x2
floor_divide(x1,x2[,y]) y = x1//x2 返回值取整
negative(x[,y]) y = -x
power(x1,x2[,y]) y = x1**x2
remainder(x1,x2[,y]) y = x1%x2

比较运算函数
equal(x1,x2[,y]) y=x1==x2
not_equal(x1,x2[,y]) y=x1!=x2
less(x1,x2[,y]) y = x1<x2
less_equal(x1,x2[,y]) y = x1<=x2
greater(x1,x2[,y]) y = x1>x2
greater_equal(x1,x2[,y]) y=x1>=x2
where(condition[x,y]) 根据条件判断输出是x还是y

操作函数
abs(x) 计算绝对值
sqrt(x) 计算每个元素的平方根
squre(x) 计算每个元素的平方
sign(x) 计算每个元素的符号
ceil(x) 大于等于每个元素的最小值
floor(x) 小于等于每个元素的最大值
rint(x[,out]) 圆整，取每个元素为最近的整数，保留数据类型
exp 指数值
log(x) log10(x) log2(x)

暂时就这些，以后看到再补吧