1、数据类型numpy.dtype()
从已有的数组创建数组：numpy.asarray()
等差数列构成的一维数组：numpy.linspace()
等比数列构成的一维数组：numpy.logspace()
numpy的切片和索引
numpy广播：对不同形状(shape)的数组进行数值计算的方式，当运算中的 2 个数组的形状不同时，numpy 将自动触发广播机制。
对两个数组，分别比较他们的每一个维度（若其中一个数组没有当前维度则忽略），满足：
(1)当前维度的值相等
(2)当前维度的值有一个是1
2、迭代器对象 numpy.nditer
numpy的随机函数：
numpy.random.rand(d0,d1,…,dn)
numpy.random.randn(d0,d1,…,dn)
numpy.random.randint(low, high=None, size=None, dtype=’l’)
生成[0,1)之间的浮点数:
numpy.random.random_sample(size=None)
numpy.random.random(size=None)
numpy.random.ranf(size=None)
numpy.random.sample(size=None)
numpy.random.choice(a, size=None, replace=True, p=None)
np.random.seed()的作用：使得随机数据可预测。
3、numpy.reshape(arr, newshape, order='C')
numpy.prod(a, axis=None, dtype=None, out=None, keepdims=<class'numpy._globals._NoValue'>)
axis=1，表示一行元素相乘
numpy.zeros_like（a，dtype = None，order ='K'，subok = True ）
4、展开数组：
numpy.ndarray.flatten(order='C') 返回一份数组拷贝，对拷贝所做的修改不会影响原始数组
numpy.ravel(a, order='C') 修改会影响原始数组
numpy.ndarray.flat 是一个数组元素迭代器，对数组中每个元素都进行处理，可以使用flat属性(比如二维数组没有用这个flat，处理是处理它其中的一维数组)
numpy.transpose(arr, axes)与numpy.ndarray.T类似
5、沿指定轴连接相同形状的两个或多个数组：
numpy.concatenate((a1, a2, ...), axis)
axis=0,轴0，往竖的连接下来
axis=1,轴1，往横的连接过去
numpy.char.strip() 函数用于移除开头或结尾处的特定字符
也可以直接用a.strip('特定字符') (a是字符串)
numpy.around() 函数返回指定数字的四舍五入值
numpy.floor() 返回数字的下舍整数
numpy.ceil() 返回数字的上入整数
numpy.reciprocal() 函数返回参数逐元素的倒数
numpy.power() 函数将第一个输入数组中的元素作为底数，计算它与第二个输入数组中相应元素的幂
numpy.mod()计算输入数组中相应元素的相除后的余数,numpy.remainder() 也产生相同的结果
keepdims就是保持维数的意思，其实它的功能也确实跟他的名字一样这么直白——保持矩阵维数不变
array和asarray都可以将结构数据转化为ndarray，但是主要区别就是当数据源是ndarray时，array仍然会copy出一个副本，占用新的内存，但asarray不会
6、
7、标准差是一组数据平均值分散程度的一种度量。
标准差是方差的算术平方根。
标准差公式如下：
std = sqrt(mean((x - x.mean())**2))
numpy.std(a) a：数组
numpy.argmax() 和 numpy.argmin()函数分别沿给定轴返回最大和最小元素的索引
numpy.nonzero() 函数返回输入数组中非零元素的索引
我们的数组是：
[[30 40 0]
[ 0 20 10]
[50 0 60]]
调用 nonzero() 函数：
(array([0, 0, 1, 1, 2, 2]), array([0, 1, 1, 2, 0, 2]))
左边是对应非零元素的行，右边是相对应的列
numpy.where() 函数返回输入数组中满足给定条件的元素的索引
numpy.extract() 函数根据某个条件从数组中抽取元素，返回满条件的元素
8、
NumPy 中包含了一个矩阵库 numpy.matlib，该模块中的函数返回的是一个矩阵，而不是 ndarray 对象
矩阵总是二维的，而 ndarray 是一个 n 维数组。 两个对象都是可互换的
numpy.vdot() 函数是两个向量的点积。 如果第一个参数是复数，那么它的共轭复数会用于计算。如果参数是多维数组，它会被展开
numpy.inner() 函数返回一维数组的向量内积。对于更高的维度，它返回最后一个轴上的和的乘积
numpy.dot() 对于两个一维的数组，计算的是这两个数组对应下标元素的乘积和(数学上称之为内积)；对于二维数组，计算的是两个数组的矩阵乘积
numpy.linalg.det() 函数计算输入矩阵的行列式
numpy.linalg.solve() 函数给出了矩阵形式的线性方程的解
numpy.linalg.inv() 函数计算矩阵的乘法逆矩阵
