实验一、数据处理之Numpy
一、实验目的
1. 了解numpy库的基本功能
2. 掌握Numpy库的对数组的操作与运算
二、实验工具：
1. Anaconda
2. Numpy
三、Numpy简介
Numpy 的英文全称为 Numerical Python，指Python 面向数值计算的第三方库。Numpy 的特点在于，针对 Python 内建的数组类型做了扩充，支持更高维度的数组和矩阵运算，以及更丰富的数学函数。Numpy 是 Scipy.org 中最重要的库之一，它同时也被 Pandas，Matplotlib 等我们熟知的第三方库作为核心计算库。
NumPy（Numeric Python）提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。多为很多大型金融公司使用，以及核心的科学计算组织如：Lawrence Livermore，NASA用其处理一些本来使用C++，Fortran或Matlab等所做的任务。
Numpy包括了：1、一个强大的N维数组对象Array；2、比较成熟的（广播）函数库；3、用于整合C/C++和Fortran代码的工具包；4、实用的线性代数、傅里叶变换和随机数生成函数。Numpy和稀疏矩阵运算包scipy配合使用更加方便。
四、实验内容
1. 数组的创建（创建全0数组，全1数组，随机数数组）
全零数组
全一数组
随机数组
2. 数组的属性（查看数组的维度，数组元素的个数）
3. 数组的维度操作（将数组的行变列，返回最后一个元素，返回第2到第4个元素，返回逆序的数组）
4. 数组的合并（数组的水平合并，垂直合并，深度合并）
5. 数组的拆分（数组的水平拆分，垂直拆分，深度拆分）
6. 数组运算（与常的四则运算，与数组的四则运算，判断数组是否相等）
7. 数组的常用函数（数组所有元素的和、积、平均值、最大值、最小值、元素替换、方差、标准差）
五、实验总结（写出本次实验的收获，遇到的问题等）
通过本次实验，对Numpy进行了简单的回顾练习，包括数组的创建，相关属性的熟悉。了解了数组维度快捷操作的方法以及合并操作对应的函数。
之前线性代数的学习中，并未接触合并的概念，不过通过实例还是比较好理解的，深度合并很有意思。对数组深度掌握不够，还要加强数学知识的学习。