其它课程中的python---2、NumPy模块
一、总结
一句话总结：
numpy在数组计算方面又快又方便
1、NumPy中的ndarray是一个多维数组对象，该对象由哪两部分组成？
-实际的数据
-描述这些数据的元数据
2、为什么要使用numpy？
比原生python快（快很多）：直接操作数组和矩阵，使不需要循环就可以遍历数据
有大量的函数：编写轻松和快
def pythonsum（n）：
a=range（n）
b=range（n）
C=[]
for i in range（len（a））：
a[i]=i**2
b[i]=i**3
c.append（a[i]+b[i]）
return c
import numpy as np
def numpysum（n）：
a=numpy.arange（n）*大2
b=numpy.arange（n）**3
c=a+b
return c
3、python中如何计算代码的运行时间？
datetime库的now()函数：datetime.now()
import sys
from datetime import datetime
start=datetime.now()
c=pythonsum(size)
delta=datetime.now()-start
4、numpy如何创建数组？
a=arange（5）
#numpy数组
a=arange（5）
a.dtype
5、numpy如何创建多维数组？
m=np.array（[np.arange（2），np.arange（2）]）
6、numpy如何创建全是0的数组？
np.zeros(10)
7、numpy数组对象的常用函数有哪些？
arange 类似于内置的range，但返回的是一个ndarray而不是列表
zeros、zeros_like 类似于ones和ones_like，只不过产生的是全0数组而已
array 将输入数据（列表、元组、数组或其他序列类型）转换为ndarray。要么推断出dtype，要么显式指定dtype。默认直接复制输入数据
asarray 将输入转换为ndarray，如果输入本身就是一个ndarray就不进行复制
arange 类似于内置的range，但返回的是一个ndarray而不是列表
ones、ones_like 根据指定的形状和dtype创建一个全1数组。ones_like以另一个数组为参数，并根据其形状和dtype创建一个全1数组
zeros、zeros_like 类似于ones和ones_like，只不过产生的是全0数组而已
empty、empty_like 创建新数组，只分配内存空间但不填充任何值
eye、identity 创建一个正方的N×N单位矩阵（对角线为1，其余为0）
8、python如何打印数组？
直接print函数接数组名即可
#打印数组中的元素
import numpy as np
a = np.array(6)
print a
[0 1 2 3 4 5]
9、numpy如何打印数组？
直接print函数接数组名即可
#花式素引
arr=np.empty（（8，4））
for i in range（8）：
arr[i]=i
arr
10、numpy的数组如何转置？
arr.T
二、内容在总结中