參考課程：《莫煩Python》與《日月光華Python》.
說明：該文章用於回顧、梳理，未附加足夠的代碼解釋，素所以不適合開始入門學習。
1 Numpy的數據結構&數據類型
- Numpy的數據結構：僅一種：np.array
- Numpy的數據類型：詳情見文 Numpy數據類型 。
- 數據類型的查看與轉換：對象.dtype()與對象.astype()
瑣碎知識點：
- Bool類型數據的隱式轉換 True爲 1 & False爲 0 。bool與其他數據類型隱式轉換的詳細說明。
- 對象.round()函數並不是真正的四捨五入。round函數並不是絕對的四捨五入.
2 數組對象的創建方式&屬性方法調用規則
- Numpy的數組創建方式：np.array( list | tuple ，dtype=”指定的數據類型“) 默認浮點數類型
zeros(元組形式的shape)----zeros((3,4))
empty(元組形式的shape)----有時生成0值，有時生成各種隨機數。
arange(起始數字，結束數字(不可取)，步幅)----返回一維數組，常搭配reshape
random.randn(元組形式的shape)----標準正態分佈隨機值。
ones() ---- 同zeros
linspace(起始數字，結束數字(可取)，段數) ---- 將數據範圍平均分成幾段 - array數組對象查看屬性的方法：ndim（秩、維度）、shape、dtype、size（所有元素的個數）
- array數組對象的方法調用規則：由數組對象點出相應方法，或者np點出相應方法。區別於python中自帶的同名方法。
比如：array對象.sum()可行，而sum(array對象)報錯。
以後還會需要pandas對象，所以保險的調用方式是：對象.方法()。
另外，還有一個原因，有的時候，一個方法僅支持對象點出方法的形式而不支持np點出的形式；同時，有的方法僅支持np點出的方式而不支持對象點出（比如split）。 - 注意：（3，）和（3，1）不是同一shape的數組，前者是一維，後者是二維。
- 習慣上，對於二維數組，經常把第一維度稱爲行，第二維度稱爲列。
3 數組對象的基礎運算&常用方法介紹
- 兩個相同shape的數組對象的運算，如果是加減乘除，則是兩個數組的對應位置元素的加減乘除，且shape保持不變。
- 兩個不相同shape的數組且其中一個與另一個數組的某個維度值相同的對象運算，如果是加減乘除，則會使用廣播處理操作。參考文章numpy中的廣播機制.
- 如果是點乘（np.dot）則是線代中典型的矩陣相乘運算，且shape不會一成不變。
- 條件判斷表達式，會返回一個bool的數組 ---- 常用來索引滿足條件的元素 或者sum等方法統計滿足條件的元素個數。
- 除法取模（ % | mod ）& 取餘操作（//）
- np.[sin | sum|min|max|mean| average|median | describe ]
- np.[argmin|argmax] ---- 獲取最值得索引。
- np.[cumsum | cumprod ] ---- 累加 | 累乘 可以指定軸
- np.diff ---- 相鄰元素的差值，如果是二維的數組在計算的軸方向上會減少一行或者一列。
- np.nonzero ---- 如果是二維數組，將數組對象中非0的元素的索引分別以行索引和列索引的方式返回。
- np.sort ---- 數據對象將按照指定的計算軸的方向進行排序，且默認升序排列，而ascending=False表示降序。
- np.argsort() ---- 以數組形式反映出從小到大排列的元素在原來序列中的索引值
[1,4,3,6] --> [0, 2, 1, 3] - np.[transpose | T ] ---- 矩陣的轉置，常用於矩陣的乘法。
- np.clip(數組對象，最小臨界數字，最大臨界數字) ---- 將數字類型的數組對象中大於”最大臨界數字“的數字全部重新賦值爲”最大臨界數字”，而小於不等於“最小臨界數字”的數字全部重新賦值爲“最小臨界數字”。
- np.newaxis ---- 用以升一個維度。
- np.unique ---- 以列表的形式，返回一個列表對象中不相同的元素值。
- np.[all | any] ---- all 表示全部元素均爲True才返回True，而any 表示只存在一個True時就可以返回True。
- “沿某一維度進行計算的方法”的通用參數：axis。且對於二維對象，axis取0還是1，記住這麼一句話”0垂直方向，1水平方向“。
- 不能使用np點出的方法：對象.flat（返回一個生成器）& 數組對象.[flatten | ravel]（返回一個含有具體元素的列表）。
瑣碎知識點：
- 所有的方法，基本上都不會對原數據對象進行修改，以保障數據安全與避免"爆內存"。如果要直接修改原數據，需要添加inplace=True參數。
- newaxis升維的理解 numpy添加新的維度:newaxis的方法：經常遇到的問題是：比如需要從二維數組裏面抽取一列，取出來之後維度卻變成了一維，假如我們需要將其還原爲二維，就需要上面的方法了。
- axis的另一種使用理解 如何快速理解numpy中的axis：例如一個shape（3，2，4）的數組，代表一個三維數組，這時如果 :
axis = 0時，就相當於所求的數組的結果變成shape（2，4）
axis = 1時，數組的結果shape（3，4）
axis = 2時，數組的結果shape（3，2）
4 Numpy選擇指定數據的方式：索引&切片
- 單值索引 ---- 對象[單個索引值]。
- 多指索引 ---- 對象 [ 行索引值 ] [ 列索引值 ] & 對象[行索引值，列索引值]。
- 切片索引 ---- 對象[行索引值1：行索引值2：步幅**，**列索引值1：列索引值2：步幅] & 對象[行索引值1：行索引值2：步幅]
- bool式條件索引 ---- 對象[條件1&條件2…] 這種方式使用頻率還是非常高的，且常搭配 ~ ，即對象[~（條件1&條件2…）] ，以實現取反！
瑣碎知識點：
- 切片[索引值1：索引值2：步幅] 的正負索引值與正負步幅的理解。切片中正負索引值和正負步幅的理解.
- bool式條件索引。Numpy中bool式條件索引
5 Numpy數組的合併：垂直合併&水平合併
- np.vstack([ 數組對象1，數組對象2 ]) ---- 垂直合併，hstack ---- 左右合併。
- np.concatenate([數組對象列表]，axis) ---- 在指定的軸方向上進行數據連接，且注意涉及到指定軸方向的方法計算，最好先測試一下計算效果。
6 Numpy數組的分割：均等分割&非均等分割
- np.split(數組對象，分割份數，指定軸方向)
- np.array_split(數組對象，分割份數，指定軸方向)
- np.vsplit(數組對象，分割份數) ---- 垂直方向；np.hsplit(數組對象，分割份數) ---- 水平方向。
7 Numpy的淺拷貝和深度拷貝
- 平時的賦值操作都是淺拷貝；深拷貝需要在賦值操作的基礎上添加copy方法。即
a1 = a2.copy() - 判斷兩個變量的引用對象是否一致（即淺拷貝）的方式：通過is來判斷兩個變量的ID，
a1 is a2
8 Numpy的隨機數
- np.random.normal() ---- 默認情況下返回一個標準正態分佈的隨機值。
- np.random.randn((3,4)) ---- 在指定shape的情況下，返回一個標準正態分佈的隨機值。
- np.random.randint(1,10,(3,4)) ---- 返回一個shape爲（3，4）的元素值在[ 1,10) 左閉右開區間的隨機值。
- np.random.choice(list) ---- 返回list序列中其中的任意一個元素。
- np.random.permutation(list) ---- 將list中的元素的位置順序隨機打亂，常見的用法是對於二維數組含多列的數據集，先將樣本的索引順序打亂，以實現對樣本順序的打亂。
index = np.random.permutation(len(a)) --> a[index]. - np.random.seed(12) ----> 產生原因是爲了重複某項實驗，而其一旦被調用，它的影響效力僅僅限於下面的第一個出現的random語句。
瑣碎知識點：
- np.random.normal的使用 np.random.normal()函數的默認值的推演.
- np.random.seed()的理解與使用 np.random.seed()的理解及使用.
- np.where語句的理解與使用numpy.where() 用法詳解.
9 Numpy的邏輯運算
- 僅將where（Bool序列，序列1，序列2）---- 三個序列的長度必須一致，另外，如果對應位置的bool值是True則選擇序列1中的相應元素，如果是False，則選擇序列2中的相應元素。
10 Numpy的數據存取
- 默認的擴展名是,npy
- np.save(“file_name”, variable_name) ---- 保存某個Numpy變量，且file_name不需要提供擴展名。
- np.load(“file_name.npy”) ---- 加載npy文件。、
a = np.arange(6)
np.save("lesson10",a)
b = np.load("lesson10.npy")
b
############# 輸出內容 #################
array([0, 1, 2, 3, 4, 5])
==================== T H E E N D！ ====================