说明：
NumPy是一个高性能的科学计算和数据分析基础包，在数据分析领域有很多应用；
具有多维数组对象、线性代数、傅里叶变换和随机数等强大功能；
一、Numpy的安装
在平时的使用中，我们习惯将“import numpy”写成“import numpy as np”。
二、多维数组
说明：
- 为了便于理解，可以将“多维数组”想象成一个用于存放数据的表格；
- 表格存放的是同一类型的数据；
- 可以通过索引值来提取表格中的数据（索引值用整数表示）；
1、创建多维数组
常用Numpy中的array创建多维数组；
演示：
创建一维数组——
创建高维数组——
数组与列表——
（可以看出，所谓创建数组就是将列表作为参数传递给array，）
（1）用ones创建元素全为1的指定维度的数组
更新数组中的元素
若要改“第2行，第3列”，则改“[1,2]”
（2）用zeros创建元素全为0的指定维度的数组
（3）用empty创建元素全为无意义数的指定维度的数组
根据给定的维度和数值类型返回一个新的数组，其元素不进行初始化
如果先创建一个元素全为0的数组，然后再用empty创建数组，那么得到的新数组也全为0，如下所示：
- 运行
zeros
- 运行
empty
（4）用random.rand创建元素全为随机数的指定维度的数组
关于创建随机数的数组可参考——
2、多维数组的常用属性
（1）ndim返回数组的维数
（2）shape返回数组的维度
（3）size返回数组的元素总数
（4）dtype返回数组的元素的数据类型
（5）itemsize返回数组中元素的字节大小
3、数组的打印
说明：
就是用print打印输出
三、多维数组的基本操作
说明：
这些操作包括算数运算、索引、乘法和除法算数运算；
1、数组的算术运算
加、减、乘、除
可以看出来，数组运算不同于矩阵运算，数组运算有除法，而矩阵运算没有，数组运算的乘法是对应点相乘；
如何由数组实现矩阵运算？
下面有两种方法：（建立数组a & b）
- 方法一：
a.dot(b) - 方法二：
np.dot(a,b)
2、数组的自身运算
除了数组与数组、数组与标量之间的算术运算，我们还可以通过自定义一些方法来对数组本身进行操作；
min：找出所有元素中，值最小的元素（可以通过设置axis的值来按行或者列查找元素中的最小值）max：找出所有元素中，值最大的元素（同上可按行或者列查找元素中的最大值）sum：对所有元素进行求和运算，并返回运算结果（可通过设置axis的值来按行或者列对元素进行求和运算）
演示：
exp：对所有元素进行指数运算。sqrt：对所有元素进行平方根运算。square：对所有元素进行平方运算。
演示：
在多维数组中通过对axis参数进行不同的设置可以得到不同运算结果：
- 当axis为0时，计算方向是针对数组的列的；
- 当axis为1时，计算方向是针对数组的行的；
3、随机数组
NumPy生成不同属性的随机数方法如下：
seed：随机因子，在随机数生成器的随机因子被确定后，无论我们运行多少次随机程序，最后生成的数字都是一样的，随机因子更像把随机的过程变成一种伪随机的机制，不过这有利于结果的复现。rand：生成一个在[0,1)范围内满足均匀分布的随机样本数。randn：生成一个满足平均值为0且方差为1的正太分布随机样本数。randint：在给定的范围内生成类型为整数的随机样本数。binomial：生成一个维度指定且满足二项分布的随机样本数。beta：生成一个指定维度且满足beta分布的随机样本数。normal：生成一个指定维度且满足高斯正太分布的随机样本数。
4、索引、切片和迭代
（见书）
后续补充~
