创建一维数组：
创建二维数组：
查看数组形状：
参数为列表的创建方法：
创建一个10*8的全为1的矩阵：
创建4*4全为0的矩阵:
填充矩阵：
创建满秩矩阵：
平均分组：（0-100）
迭代器生成数组，左闭右开：步长为2的数组
随机生成一个一维数组，5个元素:
np.random.ranint(0,150,size=5)
返回100个标准正太分布的样本：
自定义一个正太分布数组：
均值为175，标准差1，维度100（一维）
矩阵加法：
或者
np.add(n,n)
减，乘，除 同理。
乘法：m*n的矩阵必须 对应n*m的矩阵。
np.dot(n1,n2)
广播机制：
在加法运算过程中，如果一方出现缺失值，会自动填充已有值。
高效冒泡排序：
n3 = np.array([3,4,2,6,56,112,23,1])
n3
def sortnd(nd):
for i in range(nd.size):
min_index = np.argmin(nd[i:])+i
nd[i],nd[min_index] = nd[min_index],nd[i]
return n3
sortnd(n3)
n1.sort()和np.sort(n1)的区别：
前者就地排序。不占用内存，后者生成新数组，不影响原数组。
np.partition(nd,k) 当k<0时 按从大到小排列最大的K项放在末尾，k>0时相反。取最小的几位放在前面。
求四维数组最后两项的和：
重新定形：
矩阵级联：np.concatenate()
竖直级联
水平级联：np.concatenate(n6,n6,axis=1)
被连接的数组一定不能是一维数组 axis<数组维度
竖直折叠矩阵：
np.vstack()
水平平铺矩阵，（降一次维）
矩阵切割：
np.split(n5,(1,3),axis =1) 竖直切 axis=0时，水平切。
第二种
np.vsplit() 水平切
np.hsplit() 竖直切
最大值（）：
nd.max( axis=0) axis =0/1/2 ------> 维度
np.mean(nd,axis=0) 均值
np.sum(nd,axis =0 ) 求和
返回最值索引：
np,argmax(nd)
np.argmin(nd)
条件过滤：
index = np.argwhere(n>50)
n[index]