参考课程：《莫烦Python》与《日月光华Python》.
说明：该文章用于回顾、梳理，未附加足够的代码解释，素所以不适合开始入门学习。
1 Numpy的数据结构&数据类型
- Numpy的数据结构：仅一种：np.array
- Numpy的数据类型：详情见文 Numpy数据类型 。
- 数据类型的查看与转换：对象.dtype()与对象.astype()
琐碎知识点：
- Bool类型数据的隐式转换 True为 1 & False为 0 。bool与其他数据类型隐式转换的详细说明。
- 对象.round()函数并不是真正的四舍五入。round函数并不是绝对的四舍五入.
2 数组对象的创建方式&属性方法调用规则
- Numpy的数组创建方式：np.array( list | tuple ，dtype=”指定的数据类型“) 默认浮点数类型
zeros(元组形式的shape)----zeros((3,4))
empty(元组形式的shape)----有时生成0值，有时生成各种随机数。
arange(起始数字，结束数字(不可取)，步幅)----返回一维数组，常搭配reshape
random.randn(元组形式的shape)----标准正态分布随机值。
ones() ---- 同zeros
linspace(起始数字，结束数字(可取)，段数) ---- 将数据范围平均分成几段 - array数组对象查看属性的方法：ndim（秩、维度）、shape、dtype、size（所有元素的个数）
- array数组对象的方法调用规则：由数组对象点出相应方法，或者np点出相应方法。区别于python中自带的同名方法。
比如：array对象.sum()可行，而sum(array对象)报错。
以后还会需要pandas对象，所以保险的调用方式是：对象.方法()。
另外，还有一个原因，有的时候，一个方法仅支持对象点出方法的形式而不支持np点出的形式；同时，有的方法仅支持np点出的方式而不支持对象点出（比如split）。 - 注意：（3，）和（3，1）不是同一shape的数组，前者是一维，后者是二维。
- 习惯上，对于二维数组，经常把第一维度称为行，第二维度称为列。
3 数组对象的基础运算&常用方法介绍
- 两个相同shape的数组对象的运算，如果是加减乘除，则是两个数组的对应位置元素的加减乘除，且shape保持不变。
- 两个不相同shape的数组且其中一个与另一个数组的某个维度值相同的对象运算，如果是加减乘除，则会使用广播处理操作。参考文章numpy中的广播机制.
- 如果是点乘（np.dot）则是线代中典型的矩阵相乘运算，且shape不会一成不变。
- 条件判断表达式，会返回一个bool的数组 ---- 常用来索引满足条件的元素 或者sum等方法统计满足条件的元素个数。
- 除法取模（ % | mod ）& 取余操作（//）
- np.[sin | sum|min|max|mean| average|median | describe ]
- np.[argmin|argmax] ---- 获取最值得索引。
- np.[cumsum | cumprod ] ---- 累加 | 累乘 可以指定轴
- np.diff ---- 相邻元素的差值，如果是二维的数组在计算的轴方向上会减少一行或者一列。
- np.nonzero ---- 如果是二维数组，将数组对象中非0的元素的索引分别以行索引和列索引的方式返回。
- np.sort ---- 数据对象将按照指定的计算轴的方向进行排序，且默认升序排列，而ascending=False表示降序。
- np.argsort() ---- 以数组形式反映出从小到大排列的元素在原来序列中的索引值
[1,4,3,6] --> [0, 2, 1, 3] - np.[transpose | T ] ---- 矩阵的转置，常用于矩阵的乘法。
- np.clip(数组对象，最小临界数字，最大临界数字) ---- 将数字类型的数组对象中大于”最大临界数字“的数字全部重新赋值为”最大临界数字”，而小于不等于“最小临界数字”的数字全部重新赋值为“最小临界数字”。
- np.newaxis ---- 用以升一个维度。
- np.unique ---- 以列表的形式，返回一个列表对象中不相同的元素值。
- np.[all | any] ---- all 表示全部元素均为True才返回True，而any 表示只存在一个True时就可以返回True。
- “沿某一维度进行计算的方法”的通用参数：axis。且对于二维对象，axis取0还是1，记住这么一句话”0垂直方向，1水平方向“。
- 不能使用np点出的方法：对象.flat（返回一个生成器）& 数组对象.[flatten | ravel]（返回一个含有具体元素的列表）。
琐碎知识点：
- 所有的方法，基本上都不会对原数据对象进行修改，以保障数据安全与避免"爆内存"。如果要直接修改原数据，需要添加inplace=True参数。
- newaxis升维的理解 numpy添加新的维度:newaxis的方法：经常遇到的问题是：比如需要从二维数组里面抽取一列，取出来之后维度却变成了一维，假如我们需要将其还原为二维，就需要上面的方法了。
- axis的另一种使用理解 如何快速理解numpy中的axis：例如一个shape（3，2，4）的数组，代表一个三维数组，这时如果 :
axis = 0时，就相当于所求的数组的结果变成shape（2，4）
axis = 1时，数组的结果shape（3，4）
axis = 2时，数组的结果shape（3，2）
4 Numpy选择指定数据的方式：索引&切片
- 单值索引 ---- 对象[单个索引值]。
- 多指索引 ---- 对象 [ 行索引值 ] [ 列索引值 ] & 对象[行索引值，列索引值]。
- 切片索引 ---- 对象[行索引值1：行索引值2：步幅**，**列索引值1：列索引值2：步幅] & 对象[行索引值1：行索引值2：步幅]
- bool式条件索引 ---- 对象[条件1&条件2…] 这种方式使用频率还是非常高的，且常搭配 ~ ，即对象[~（条件1&条件2…）] ，以实现取反！
琐碎知识点：
- 切片[索引值1：索引值2：步幅] 的正负索引值与正负步幅的理解。切片中正负索引值和正负步幅的理解.
- bool式条件索引。Numpy中bool式条件索引
5 Numpy数组的合并：垂直合并&水平合并
- np.vstack([ 数组对象1，数组对象2 ]) ---- 垂直合并，hstack ---- 左右合并。
- np.concatenate([数组对象列表]，axis) ---- 在指定的轴方向上进行数据连接，且注意涉及到指定轴方向的方法计算，最好先测试一下计算效果。
6 Numpy数组的分割：均等分割&非均等分割
- np.split(数组对象，分割份数，指定轴方向)
- np.array_split(数组对象，分割份数，指定轴方向)
- np.vsplit(数组对象，分割份数) ---- 垂直方向；np.hsplit(数组对象，分割份数) ---- 水平方向。
7 Numpy的浅拷贝和深度拷贝
- 平时的赋值操作都是浅拷贝；深拷贝需要在赋值操作的基础上添加copy方法。即
a1 = a2.copy() - 判断两个变量的引用对象是否一致（即浅拷贝）的方式：通过is来判断两个变量的ID，
a1 is a2
8 Numpy的随机数
- np.random.normal() ---- 默认情况下返回一个标准正态分布的随机值。
- np.random.randn((3,4)) ---- 在指定shape的情况下，返回一个标准正态分布的随机值。
- np.random.randint(1,10,(3,4)) ---- 返回一个shape为（3，4）的元素值在[ 1,10) 左闭右开区间的随机值。
- np.random.choice(list) ---- 返回list序列中其中的任意一个元素。
- np.random.permutation(list) ---- 将list中的元素的位置顺序随机打乱，常见的用法是对于二维数组含多列的数据集，先将样本的索引顺序打乱，以实现对样本顺序的打乱。
index = np.random.permutation(len(a)) --> a[index]. - np.random.seed(12) ----> 产生原因是为了重复某项实验，而其一旦被调用，它的影响效力仅仅限于下面的第一个出现的random语句。
琐碎知识点：
- np.random.normal的使用 np.random.normal()函数的默认值的推演.
- np.random.seed()的理解与使用 np.random.seed()的理解及使用.
- np.where语句的理解与使用numpy.where() 用法详解.
9 Numpy的逻辑运算
- 仅将where（Bool序列，序列1，序列2）---- 三个序列的长度必须一致，另外，如果对应位置的bool值是True则选择序列1中的相应元素，如果是False，则选择序列2中的相应元素。
10 Numpy的数据存取
- 默认的扩展名是,npy
- np.save(“file_name”, variable_name) ---- 保存某个Numpy变量，且file_name不需要提供扩展名。
- np.load(“file_name.npy”) ---- 加载npy文件。、
a = np.arange(6)
np.save("lesson10",a)
b = np.load("lesson10.npy")
b
############# 输出内容 #################
array([0, 1, 2, 3, 4, 5])
==================== T H E E N D！ ====================