ndarray：一种多维数组对象，是一个快速而灵活的大数据集容器，可以利用其对整块数据执行运算。
广播（broadcasting）：不同大小的数组之间的运算
基本的索引和切片：当你将⼀个标量值赋值给⼀个切⽚时（如arr[5:8]=12），该值会⾃动传播（也就说后⾯将会讲到的“⼴播”）到整个选区。跟列表最重要的区别在于，数组切⽚是原始数组的视图。这意味着数据 不会被复制 ，视图上的任何修改都会直接反映到源数组上。
二维数组的表示方法：
通过布尔型设置数组
花式索引（Fancy indexing）：利用整数数组进行索引
#以特定顺序选取⾏⼦集，只需传⼊⼀个⽤于指定顺序的整数列表或ndarray即可
arr=np.empty((8,4))
for i in range(8):
arr[i]=i
arr
arr[[4,3,0,6]]
arr[[0,1],[3,2]]
#花式索引跟切⽚不⼀样，它总是将数据复制到新数组中。
数组转置和轴对换
#数组转置 arr=np.arange(15).reshape((3,5)) print(arr) print(arr.T) #计算矩阵内积 arr=np.random.randn(6,3) np.dot(arr.T,arr)
对于⾼维数组，transpose需要得到⼀个由轴编号组成的元组才能对这些轴进⾏转置：
arr = np.arange(16).reshape((2,2,4)) print(arr) arr.transpose((1,0,2)) arr.swapaxes(0, 2)
通用函数（ufunc）：快速的元素级数组函数
利用数组进行数据处理
NumPy数组使你可以将许多种数据处理任务表述为简洁的数组表达式（否则需要编写循环）。⽤数组表达式代替循环的做法，通常被称为⽮量化
将条件逻辑表述为数组运算
np.where()=if condtion x else y
数学和统计方法
np.mean()
np.sum()
axis= 用于计算该轴向上的统计值，axis=1计算行的平均值，axis=0计算每列的统计值
用于布尔型数组的方法
bools.any()
bools.all()
唯一化以及其它的集合逻辑
np.unique()找出数组中的唯一值并返回已排序的结果
用于数组的文件输入输出（.npy文件）
np.save()
np.load()
np.savez()将多个数组保存到一个未压缩文件中
线性代数
np.dot()
@ 矩阵乘法
numpy.linalg中有⼀组标准的矩阵分解运算以及诸如求逆和⾏列式之类的东西
伪随机数生成
参考资料： Mckinney W . 利用PYTHON进行数据分析[M]. 机械工业出版社, 2014.
