Numpy软件库提供了对于数组进行高速处理的ndarray类。生成ndarray类的方法之一是使用Numpy的np.array()函数，使用np.array(
列表
)语句，通过传入的
列表
创建ndarray实例。同时也可以使用np.arrange()函数
###实例一：创建一维ndarray类
import numpy as np
eg1=np.array([1,2,3]) #输出一维数组[1,2,3]
eg2=np.arange(4) #输出0到3的一维数组
eg11=[1,2,3] #创建列表eg11，输出[1,2,3]
eg22=[0,1,2,3] #创建列表eg22，输出[0,1,2,3]
print(eg1,type(eg1)) #[1 2 3] <class 'numpy.ndarray'>
print(eg2,type(eg2)) #[0 1 2 3] <class 'numpy.ndarray'>
print(eg11) ###输出的是一个列表【1,2,3】
print(type(eg11),type(eg22)) #<class 'list'> <class 'list'>
注意
:虽然上述列子中的eg1与eg11;eg2与eg22输出的元素值是相同的，但他们的type是不同的！当ndarray包含一维数据时称为向量，包含二维数据时称为数组，包含三维及以上的时候称为
张量
array_2d=np.array([[1,2,3,4],[5,6,7,8]]) #创建二维ndarray类（数组）
array_3d=np.array([[[1,2],[3,4]],[[5,6],[7,8]]]) #创建三维ndarray类(张量)
print(array_2d)
print(array_3d)
numpy与列表的另一个区别是：如果要对列表的每一个元素进行计算，需要使用
循环语句
，将其中的元素逐个取出再进行计算，而使用ndarray，就不需要再次使用循环语句了。
####不适用numpy的条件下实现列表每个元素乘以2
a=[1,2,3,4]
# print(a+a) #[1, 2, 3, 4, 1, 2, 3, 4],这样是得不到每个元素都乘以2的效果的
# print(a*2) #[1, 2, 3, 4, 1, 2, 3, 4],这样也是得不到每个元素都乘以2的效果的
new_a=[]
for i in a: #遍历列表a
i*=2 #对每个元素值乘以2
new_a.append(i) #将乘以2后的值赋值给新的空列表中
print(new_a) #[2, 4, 6, 8]
####使用Numpy的条件下实现各种运算！
a1=np.array([1,2,3,4])
b1=np.array([1,3,6,9])
print(a1+a1) ###输出[2 4 6 8]
print(1/a1) ###[1. 0.5 0.33333333 0.25 ]对每个元素取倒数
与列表类型相似，numpy也可以使用索引进行引用和切片操作，当我们需要对切片的值进行更改时，可以用arr[start:end]=需要修改的值，
注意：修改的是索引为start到end-1 的列表。
arr=np.arange(10) #生成一维数组
print(arr) #[0 1 2 3 4 5 6 7 8 9]
arr[0:3]=1 #改变索引为0到2的元素
print(arr) #[1 1 1 3 4 5 6 7 8 9]改变索引为0到2的元素值为1
注意
，ndarray与Python的列表一样，如果对
代入其他变量之后的值进行更改，原始的ndarray数组中的值也会改变
，如果要想将ndarray复制成两个独立的变量，就需要使用copy()方法。
arr1=np.array([1,2,3,4,5,6])
print(arr1)
arr2=arr1 #将arr1直接代入arr2变量
arr2[0]=10 #修改arr2第一个元素为10
print(arr1) #[10 2 3 4 5 6],更改了arr2之后，arr1[0]也会受影响
arr11=np.array([1,2,3,4,5,6,7])
arr22=arr11.copy() #使用copy方法,建立一个独立于arr11的数组变量，这样改变arr22不会对arr11产生影响。
arr22[0]=100
print(arr11) #[1 2 3 4 5 6 7]，这个时候再更改其他变量的值就不会影响arr11
print(arr22) # [100 2 3 4 5 6 7] #只会更改arr22的值
在ndarray中可以利用布尔索引，在[]中使用逻辑值(True/False)数组将元素取出的方法，将会创建由逻辑值数组中为True的位置所对应的元素组成的ndarray，并将其返回。
arr_1=np.array([2,3,4,5])
print(arr_1[np.array([True,True,False,True])]) #[2 3 5]
print(arr_1[arr_1%3==1]) #[4],将除以3之后余数为1的元素作为True进行返回，是一种筛选数组元素的一种方法。
-
ndarray中有很多的通用函数可以简化计算，包括
np.abs()返回元素绝对值，np.exp()[返回元素的幂运算]，np.sqrt()[返回元素平方根]
,以上的函数只有一个参数 -
带有两个参数的函数包括
np.add()[返回元素的和]，np.subtract()[返回元素之间的差]，np.maximum()[返回元素间最大值的数组]
-集合函数是指进行数学中的
集合运算
的函数，它只支持一维数组的处理、 - np.unique()函数（将数组元素中重复的元素删除并返回排序后的结果），np.unionld(x,y)函数（取并集并且进行排序），np.intersectld(x,y)(取交集并进行排序)以及np.setdiffld(x,y)(取两个集合的差集并进行排顺序)
a11=np.array([1,2,3,4])
a22=np.array([10,2,3,4])
print(np.add(a11,a22)) #要求传入两个参数，[11 4 6 8]
print(np.add(a11[0],a22[0])) #11
随机数
：在Numpy数组中可以使用np.random模块生成随机数。
- np.random.rand():生成大于0小于1且均匀分布的随机数
- np.random.randint(x,y,z):生成z个大于x小于y的整数，如果指定z=(2,3),那么就会生成2行3列的随机数矩阵
-
np.random.normal():生成服从高斯分布（正态分布）的随机数
为了方便，可以在代码的前端写上：
from numpy.random import randint
这样以后在使用时，只需要打：randint(x,y,z)即可
import numpy as np
from numpy.random import randint
np.random.seed(10) ####事先生成一个种子，后面产生的随机数在每次运行都不会变，都是固定的
arr1=randint(0,10,(5,2)) ###生成5行2列的整数随机数矩阵，每个元素大于0小于10
print(arr1)
arr2=np.random.rand(3)
print(arr2)