创建数组
在使用Numpy的数组前，我们必须对Numpy库进行引入。
import numpy as np我们可以通过将Python列表传递给它并使用 np.array() 来创建一个NumPy数组（也就是强大的ndarray）。在这种情况下，Python创建了下面的数组：
一个常见的错误在于使用多个数值参数调用 array 函数，而不是提供一个数字列表（List）作为参数。
a = np.array(1,2,3,4) # *WRONG*
a = np.array([1,2,3,4]) # *RIGHT*通常情况下，我们希望NumPy为我们初始化数组的值。NumPy为这些情况提供了诸如：ones() ，zeros() ，empty() 和 random.random() 之类的方法。
函数 zeros() 创建一个由 0 组成的数组，函数 ones() 创建一个由1数组的数组，函数 empty() 内容是随机的并且取决于存储器的状态，函数 random.random() 创建一个由 [0,1) 。默认情况下，创建的数组的 dtype 是 float64。
另外，arange() 函数将创建具有有规律递增值的数组。这里给出几个例子：
>>> np.arange(10)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> np.arange(2, 10, dtype=np.float)
array([ 2., 3., 4., 5., 6., 7., 8., 9.])
>>> np.arange(2, 3, 0.1)
array([ 2. , 2.1, 2.2, 2.3, 2.4, 2.5, 2.6, 2.7, 2.8, 2.9])linspace() 函数将创建具有指定数量元素的数组，并在指定的开始值和结束值之间平均间隔。例如：
>>> np.linspace(1., 4., 6)
array([ 1. , 1.6, 2.2, 2.8, 3.4, 4. ])这个创建函数的优点是可以保证元素的数量以及开始和结束点，对于任意的开始，停止和步骤值， arange() 函数通常不会这样做。
创建布尔数组
我们创建一个Numpy数组元素值全为True（真）的布尔数组。
np.full(5, True, dtype=bool)
Out: array([ True, True, True, True, True])上面的 full() 函数用于创建一个填充给定值的数组，dtype 表示给定值的类型。
数组的计算
我们创建两个NumPy数组 data 和 ones ，并进行计算。
下面计算两个数组的和：
通过上面的计算，我们发现，可以像操作变量一样操作Numpy中的数组，而不必使用任何循环结构。
通常情况下，我们希望在数组和单个数值之间执行操作（也可以将其称为向量和标量之间的操作）。比如，我们的数组表示以英里为单位的距离，我们希望将其转换为公里数。可以进行简单的计算 data * 1.6 ：
Numpy数组在进行计算时，数组中的每个元素都进行了计算，这就是上节中提到的 广播 ，这个概念十分的有用。
索引
我们可以通过Python对列表的切片方式，对NumPy数组进行索引和切片：
索引还可以使用负值，如下：
in: print(data[-2]);
out: 2数组的常用方法
Numpy数组，为我们提供了很多有用的方法。
除了 min()，max() 和 sum()，还有 mean() 求平均值，prod() 得到所有的元素相乘结果，std() 得到的标准偏差，和其他很多的方法。
