Scipy库简介
Scipy库是基于Python生态的一款开源数值计算、科学与工程应用的开源软件，主要包括NumPy、Scipy、pandas、matplotlib等等。
官方文档：https://scipy.org/
numPy、Scipy、pandas、matplotlib简介
numpy——基础，以矩阵为基础的数学计算模块，纯数学存储和处理大型矩阵。 这个是很基
础的扩展，其余的扩展都是以此为基础。
scipy——数值计算库,在numPy库的基础上增加了众多的数学、科学以及工程计算中常用的库
函数。 方便、易于使用、专为科学和工程设计的Python工具包.它包括统计,优化,整合,线性代数
模块,傅里叶变换,信号和图像处理,常微分方程求解器等等。
pandas——数据分析,基于numPy 的一种工具，为了解决数据分析任务而创建的.Pandas 纳入
了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。
matplotlib——绘图,对于图像美化方面比较完善，可以自定义线条的颜色和式样，可以在一张
绘图纸上绘制多张小图，也可在一张图上绘制多条线，可以很方便的对数据进行可视化分析。
NumPy历史
1995年Jim HugUNin开发了Numeric
随后Numarray包诞生
Travis Oliphants整合Numeric和Numarray，开发NumPy，2006年第一个版本诞生
使用Anaconda发行版的Python，已经安装好NumPy模块，所以可以不用再安装NumPy模块了。
依照标准的NumPy标准，习惯使用import numpy as np的方式导入该模块。
NumPy模块
numPy：Numerical Python，即数值Python包，是Python进行科学计算的一个基础包，所以是一个掌握其他Scipy库中模块的基础模块，一定需要先掌握该包的主要使用方式。
官网：http://www.numpy.org/
官方文档：https://docs.scipy.org/doc/numpy/user/index.html
NumPy模块
NumPy模块是Python的一种开源的数值计算扩展，是一个用python实现的科学计算包，主要包括：
一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组，称为ndarray(N-dimensional array object)用于对整组数据进行快速运算的标准数学函数：ufunc(universal functionobject)
实用的线性代数、傅里叶变换和随机数生成函数。
NumPy和稀疏矩阵的运算包Scipy配合使用更加方便。
NumPy核心数据结构：ndarray
NumPy的数组类被称作ndarray。通常被称作数组。注意numpy.array和标准Python库类array.array
并不相同，后者只处理一维数组和提供少量功能。
一种由相同类型的元素组成的多维数组，元素数量是事先给定好的
元素的数据类型由dtype(data-type)对象来指定，每个ndarray只有一种dtype类型
ndarray的大小固定，创建好数组后数组大小是不会再发生改变的
ndarray创建
可以通过numpy模块中的常用的几个函数进行创建ndarray多维数组对象，主要函数如下：
array函数：接收一个普通的python序列，并将其转换为ndarray
zeros函数：创建指定长度或者形状的全零数组。
ones函数：创建指定长度或者形状的全1数组。
empty函数：创建一个没有任何具体值的数组(准备地说是创建一些未初始化的ndarray多维数组)
ndarray其它创建方式
arange函数: 类似python的range函数，通过指定开始值、终值和步长来创建一个一维数组，注意：最终创建的数组不包含终值
linspace函数：通过指定开始值、终值和元素个数来创建一个一维数组，数组的数据元素符合等差数列，可以通过endpoint关键字指定是否包含终值，默认包含终值
logspace函数：和linspace函数类似，不过创建的是等比数列数组使用随机数填充数组，即使用numpy.random中的random()函数来创建0-1之间的随机元素，数组包含的元素数量由参数决定
ndarray对象属性
ndim 数组轴(维度)的个数，轴的个数被称作秩
shape 数组的维度, 例如一个2排3列的矩阵，它的shape属性将是(2,3),这个元组的长度显然是秩，即维度或者ndim属性
size 数组元素的总个数，等于shape属性中元组元素的乘积。
dtype 一个用来描述数组中元素类型的对象，可以通过创造或指定dtype使用标准Python类型。不过NumPy提供它自己的数据类
型。
itemsize 数组中每个元素的字节大小。例如，一个元素类型为float64的数组itemsiz属性值为8(=64/8),又如，一个元素类型为complex32的数组item属性为4(=32/8).
NumPy基本数据类型
ndarray中元素数据类型
创建numpy数组的时候可以通过属性dtype显示指定数据类型，如果不指定的情况下，numpy会自动推断出适合的数据类型，所以一般不需要显示给定数据类型。
如果需要更改一个已经存在的数组的数据类型，可以通过astype方法进行修改从而得到一个新数组。
数值型dtype的命名方式为：一个类型名称(eg:int、float等)，后接一个表示各个元素位长的数字
比如Python的float数据类型(双精度浮点值)，需要占用8个字节(64位)，因此在NumPy中记为float64
每个数据类型都有一个类型代码，即简写方式
对于一个已经存在的ndarray数组对象而言，可以通过修改形状相关的参数/方法从而改变数组的形状。
直接修改数组ndarray的shape值, 要求修改后乘积不变。
直接使用reshape函数创建一个改变尺寸的新数组，原数组的shape保持不变，但是新数组和原数组共享一个内存空间，也就是修改任何一个数组中的值都会对另外一个产生影响，另外要求新数组的元素个数和原数组一致。
当指定某一个轴为-1的时候，表示将根据数组元素的数量自动计算该轴的长度值。
