Numpy是一个科学计算库，其中提供的ndarray具有很多优势。
ndarray的属性：
在创建ndarray时，如果没有指定，会设定为int64或者float64类型
创建时可以使用np.array([[1,2,3],[4,5,6]],dtype=np.float32),对ndarray的类型进行指定。
生成数组的方法：
1）生成0和1数组：
np.zeros(shape,dtype)
np.ones(shape,dtype)
2)从已有的数组中生成ndarray
np.array() 深拷贝
np.asarray() 浅拷贝
np.copy() 深拷贝
3)生成固定范围的数组
np.linspace(start，end，step) 数据范围是两边闭区间
np.arange(start，end，step) 数据范围是左闭右开
4)生成随机数组
均匀分布：
生成[0,1)范围内的一组均匀的数
np.random.rand(d0,d1....dn)
从一个均匀分布中随机采样
np.random.uniform(low=0.0,high=1.0,size=None)
返回值为ndarray类型，形状与参数size中描述的一致
np.random.randint(low,high=None,size=None,dtype="l")
从一个均匀分布中随机采样，生成一个整数或者N维整数数组。
若high不为None，取[low,high)，否则取[0,low)
正态分布：
np.random.normal(loc=0.0,scale=1.0,size=None)
loc:float 均值
scale：float 标准差
size：输出的shape
返回值为指定的正态分布的数组
5)形状修改
ndarray.reshape(shape)
不是直接改变行列，直接重新分组 返回新的ndarray，原始数据没有改
ndarray.resize(shape)
与上函数结果相同，但是不返回数组，直接在原数组上进行修改
ndarray.T
行列互换，进行转置运算
6）类型修改
ndarray.astype(type)
进行类型的修改
ndarray.tostring()
ndarray序列化到本地
数组间运算：
1）数组与数的运算
直接使用符号，符号可以作用到数中的每个元素。
2）数组与数组的运算
数组与数组之间的运算需要满足广播机制
3）矩阵运算
Numpy中存储矩阵的方法有两种：
①使用ndarray来存储矩阵
②使用matrix来存储矩阵
np.mat(ndarray)
矩阵乘法：
np.matmul(ndarray1，ndarray2)
np.dot(ndarray1，ndarray2)
若用ndarray来存储矩阵，可以使用@运算符
若用matrix来存储矩阵，可以使用*运算符
合并与分割：
1）合并：
np.hstack()
水平拼接
np.vstack()
竖直拼接
np.concatenate(axis)
可以通过axis来执行进行竖直拼接或者水平拼接
传入参数为tuple类型，包括要进行拼接的ndarray
2）分割：
np.split(ary,axis)
传入分割的数组和分割的方向。
也可以传入列表，表示分割的索引。
IO操作：
读取文件：
np.genfromtxt(path,delimiter=",")
前面传入文件路径，后面定义分割符号。
numpy读取会将缺失值写为nan，同时字符串也会写为nan。
nan数据可以通过两种方式进行处理：
①将存在nan的值直接删除。
②将nan的值进行替换。