Numpy
定义：NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，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。它主要用于数组计算，包括：
- 一个强大的N维数组对象 ndarray
- 广播功能函数
- 整合 C/C++/Fortran 代码的工具
- 线性代数、傅里叶变换、随机数生成等功能
1、ndarray : ndarray是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。创建一个 ndarray 只需调用 NumPy 的 array 函数即可。
2、参数说明：
| 名称 | 描述 |
| object | 数组或嵌套的数列 |
| dtype | 数组元素的数据类型，可选 |
| copy | 对象是否需要复制，可选 |
| order | 创建数组的样式，C为行方向，F为列方向，A为任意方向（默认） |
| subok | 默认返回一个与基类型一致的数组 |
| ndmin | 指定生成数组的最小维度 |
实例：
3、数据类型
| 名称 | 描述 |
| bool_ | 布尔型数据类型（True 或者 False） |
| int_ | 默认的整数类型（类似于 C 语言中的 long，int32 或 int64） |
| intc | 与 C 的 int 类型一样，一般是 int32 或 int 64 |
| int32 | 整数（-2147483648 to 2147483647） |
| uint8 | 无符号整数（0 to 255） |
| float_ | float64 类型的简写 |
| complex_ | complex128 类型的简写，即 128 位复数 |
numpy.dtype(object, align, copy) : object - 要转换为的数据类型对象; align - 如果为 true，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。
实例：
4、数组属性
（1）numpy 数组的维数称为秩（rank），秩就是轴的数量，即数组的维度，一维数组的秩为 1，二维数组的秩为 2，以此类推。每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。
| 属性 | 说明 |
| ndarray.ndim | 秩，即轴的数量或维度的数量 |
| ndarray.shape | 数组的维度，对于矩阵，n 行 m 列 |
| ndarray.size | 数组元素的总个数，相当于 .shape 中 n*m 的值 |
| ndarray.dtype | ndarray 对象的元素类型 |
| ndarray.real（imag） | ndarray元素的实(虚)部 |
| ndarray.itemsize | ndarray 对象中每个元素的大小，以字节为单位 |
实例：
5、创建数组
- numpy.empty 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组 numpy.empty(shape, dtype = float, order = 'C')
-
numpy.zeros 创建指定大小的数组，数组元素以 0 来填充 numpy.zeros(shape, dtype = float, order = 'C')
-
numpy.ones 创建指定形状的数组，数组元素以 1 来填充 numpy.ones(shape, dtype = None, order = 'C')
- numpy.asarray 类似 numpy.array，但 numpy.asarray 参数只有三个，比 numpy.array 少两个
- numpy.arange 函数创建数值范围并返回 ndarray 对象 numpy.arange(start, stop, step, dtype) (start:起始值，默认为
0 ;stop:终止值（不包含） step:步长，默认为1; dtype:返回ndarray的数据类型，如果没有提供，则会使用输入数据的类型。)
7、切片和索引： slice 函数
8、广播：对不同形状(shape)的数组进行数值计算的方式， 对数组的算术运算通常在相应的元素上进行。
9、Matplotlib：
实例：
import numpy as np
from matplotlib import pyplot as plt
x = np.arange(1,11)
y = 2 * x - 1
plt.title("demo")
plt.xlabel("x axis caption")
plt.ylabel("y axis caption")
plt.plot(x,y)
plt.show()
效果：
