- 是python中的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。包含：一个强大的N维数组对象ndarray，广播功能函数，整合Ｃ/C++/FORTRAN代码工具，线性代数、傅立叶变换、随机数生成等功能。
- 常与SciPy（有最优化、线性代数、积分、插值、特殊函数、快速傅立叶变换、信号处理和图像处理、常微分方程求解等）和Matplotlib（可视化界面）一起使用，可以代替MatLab。
见教程。
三、Numpy Ndarray对象- Ndarray：是一系列同类型数据的集合，即N维数组对象。由计算机内存的连续一维部分组成，存储方式（行顺序、列顺序等）在时确定。
- 组成：一个指向数据的指针；数据类型或dtype，描述在数组中的固定大小值的格子；一个表示数组形状的元组，表示各维度大小的元组；一个跨度元组（可以为负值，表示向后移动），整数指的是前进到当前维度的下一个维度需要跨过的字节数。
- 创建语句：
numpy.array(object,drape = None,copy = True,order = None,subok = False,dimin = 0)
4. 数据类型：numpy支持的数据类型。
5. 数据类型对象（dtype）：用来描述与数组对应的内存区域是如何使用的，描述了：数据类型；数据大小；数据字节顺序（通过对数据类型预先设定来决定的，大端（高位组放在最小地址）：>；小端：<）；在结构化类型的情况下，字段的名称、每个字段的数据类型和每个字段所取的内存快的部分；如果数据类型是子数组，那么它的形状和数据类型是什么。
6. dtype对象构造语法：
numpy.dtype(object,align,copy) #object:要转换为的数据类型对象 #align:为true时填充字段使其类似Ｃ的结构体 #copy:复制dtype对象，如果为false，则是对内置数据类型对象的引用
7. 子符代码：
- Numpy数组的维数称为秩，是轴的数量。
- 每一个线性的数组称为是一个轴，也就是维度。例如：二维数组相当于两个一位数组，第一个一位数组中每个元素又是一个一位数组，因此第一个轴相当于是底层数组，第二个轴是底层数组里的数组。很多时候可以声明axis，axis=0表示沿着第0轴进行操作，即对每一列进行操作；axis=1表示沿着第1轴进行操作，即对每一行进行操作。
- 重要的对象属性：
其中ndarray.flags返回zndarray对象的内存信息，包含以下属性：
- 可以使用底层ndarray构造器来创建。
- 创建一个置顶形状、数据类型且未初始化的数组：
numpy.empty(shape,dtype = float,order = ‘C’)
3. 创建指定大小的数组，数组元素以0填充:
Numpy.zeros(shape,dtype = float,order = ‘C’)
4. 创建制定形状的数组，数组元素以1填充:
Numpy.ones(shape,dtype = None,order = ‘C’)
5. 从已有数组创建数组：
1. numpy.asarray:
2. numpy.frombuffer用于实现动态数组：
3. Numpy.fromiter从可迭代对象中建立NDA ray对象，返回一维数组：
6. 从数字范围创建数组：
1. Numpy.arange创建数值范围并返回ndarray对象：
2. numpy.linspace创建一个由等差数列构成的一维数组：
3. numpy.logspace 创建一个等比数列：
- ndarray对象的内容可以通过索引或切片来访问和修改。
- ndarray数组可以基于0开始的下标进行索引，切片对象可以通过内置的slice函数从元数组中切割出一个新数组。
- 语法：slice(start,stop,step)。
- 语法：slice(start:stop:step)。
- 冒号：如果只放置一个参数[2]，将返回与该索引相对应的单个元素；如果像[2:]，则表示从该索引开始以后的所有项都将被提取；如果使用了两个参数[2:7]则提取两个索引（不包括停止索引）之间的项。
- 切片还可以包括省略号’…’，用来选择元组的长度与数组的维度相同。如果在行位置使用省略号，将返回包含行中的元素的ndarray。
- 整数数组索引：
- 布尔索引：
- 花式索引：
