目录
前言：
本文包含numpy基本知识，了解包内一些简单函数，如：numpy.array()函数；numpy.arange()函数; lnumpy.inspace()函数；reshape()函数；ndim()函数；numpy.append()函数。
安装numpy包：
1. 有大佬的安装教程如下：
（如果创建了多个python项目，就需要多次下载numpy，一个项目带一个numpy；
解释器不是插件。）
这个方法较为简单，在文件——>设置——>项目，找到python解释器。
（另：如果想要引入pandas包，项目解释器中必须有numpy，否则尝试任何方法都无法安装。（本人亲测，如果哪位大佬走过路过看了本文，并在没有numpy解释器的情况下引入了pandas包，请不吝赐教。）个人认为，这是由于pandas基于numpy。）
numpy中创建数组的函数：
np.array():
import numpy as np
c = np.array([[1, 2, 3, 4],
[5, 6, 7, 8],
[3, 5, 6, 0],
[8, 9, 5, 6]])
我们使用
np.array()
函数创建了一个二维数组。由于这个函数是numpy的，所以在调用的时候要写：np.array()。
测试该函数的数据类型，使用type()函数：
print(type(c))
# <class 'numpy.ndarray'>
于是我们调用成功，得到了一个
numpy.ndarray
类型
的数组。
注意：ndarray是数据类型，不是函数！！！
我们还可以再举一个例子，比较两者的区别。创建一个没有调用np.array()函数的二维数组，并输出其数据类型：
ccc = [[1, 2, 3, 4], [5, 6, 7, 8], [3, 5, 6, 0], [8, 9, 5, 6]]
print(type(ccc))
# <class 'list'>输出的结果为列表。
问：为什么我要费劲的去调用numpy的函数，创建一个看起来没什么区别的ndarray类型数组，而不能直接用数组呢？
我最初也有这个问题，在逐渐学习中，我领略了numpy的强大。
np.array()中还有一个参数可以调用——dtype=； 即可以改变输入数组的数据类型。比如，输入的数组（此时类型还是List）里面装的是int，可以用dtype转为str。
但是注意！
即便数组内部的int转化为了str，其数据类型依然是numpy.ndarray
。
a = np.array([1], dtype=str)
print(a)
# 输出 ['1']
print(type(a))
# 输出 <class 'numpy.ndarray'>
np.arange():
如果说np.array()是将输入的数组转化为np.ndarray类型，那么np.arange()则是简便快捷创建
一维
数组的不二选择。
该函数内部有三个参数：start, end, step，表示的是从start开始，到end结束（结果
不包含
end），每间隔step，输出一个数字。
a = np.arange(0, 60, 5)
print(a)
# 输出： [ 0 5 10 15 20 25 30 35 40 45 50 55]其数据类型依然是np.ndarray。
如果我在参数内只输入一个数，依然是可行的。默认start为0，step为1。（和range()函数有相似之处）
pr = np.arange(10)
print("pr.arange(10)：", pr)
# pr.arange(10)： [0 1 2 3 4 5 6 7 8 9]
注意
：np.arange()中的参数，要么只写一个end，要么三个数全写，不可以只写end和step，而不写start，否则会赋值空数组。
np.linspace():
该函数的主要参数也有3个，分别是：start, end, step，该函数是从start开始，到end结束（
包含
end！），一共输出
step个
数字，返回一个np.ndarray类型的数组。（比如下面的例子，step=8，表示一共有8个数字，千万别和切片里面用到的step弄混了）
不过，np.linspace()除了这三个重要参数外，还有两个隐藏参数（我起的名，专指呢些可写可不写的参数）：endpoint 和 retstep，
不写
这两个参数的时候，
endpoint=True，retstep=False
。
先说endpoint:
endpoint
默认
为True，表示
包尾
。如果不想包尾怎么办？endpoint=False就不包了。
s1 = np.linspace(10, 50, 8, endpoint=False)
print(s1)
# [10. 15. 20. 25. 30. 35. 40. 45.]
s2 = np.linspace(10, 50, 8, endpoint=True)
print(s2)
# [10. 15.71428571 21.42857143 27.14285714 32.85714286 38.57142857
44.28571429 50. ]retstep：
restep默认等于False，该参数为True时，显示np.ndarray数组的公差。
调用numpy中的其他常用函数：
reshape():
该函数基于np.ndarray数组进行修改，函数内部参数为目标数组的
行
和
列
a = np.arange(0, 60, 5)
a1 = a.reshape(4, 3)
# 将a转化为4行3列的二维数组reshape属于numpy的函数，但调用的前面需要写a，而不是np。
所以，也可以有以下的简便写法：
a = np.arange(0, 60, 5).reshape(4, 3)
ndim():
该函数主要是用来查看np.ndarray数组的维数，比较简单，基于数组，所以调用方法和reshape()相同。
c = np.array([[1, 2, 3, 4],
[5, 6, 7, 8],
[3, 5, 6, 0],
[8, 9, 5, 6]])
print("c.ndim=", c.ndim)
# c.ndim= 2
np.append():
这个函数名称真的很眼熟，作用也和列表中的append()相似，但依然有不同。
1. 创建一个二维数组，使用np.append()，以一维列表作为参数传入函数中。
a = np.arange(0, 60, 5).reshape(4, 3)
"""这是我们之前创造的数组， 输出结果如下"""
# [[ 0 5 10]
# [15 20 25]
# [30 35 40]
# [45 50 55]]
aa = np.append(a, [11, 22, 33])
print(aa)
# [ 0 5 10 15 20 25 30 35 40 45 50 55 11 22 33]问题：输出结果由一个二维数组，转化成了一维数组。即便是将添加的一维数组转化为二维数组，输出的依然是一维数组。此时可以随意添加，无需在意原数组的列数。
2. 依然使用原二维数组，在np.append() 函数中加入参数 axis=0
bb = np.append(a, [[11, 22, 33]], axis=0)
print(bb)
# 应该注意到，添加的数组变成了二维数组，附在ndarray后面添加的数组作为新的一行附着在数组最后。
原数组为4行3列，即一行有3个数字，如果当axis=0时，其列数必须和原数组相同。如果随意修改，就会报错。
因此，axis=0时，相当于固定列数，添加行数。
3.
依然使用原二维数组，在np.append() 函数中加入参数 axis=1
cc = np.append(a, [[11, 22, 33], [44, 55, 66], [45, 56, 67], [33, 44, 88]], axis=1)
print(cc)
# [[ 0 5 10 11 22 33]
# [15 20 25 44 55 66]
# [30 35 40 45 56 67]
# [45 50 55 33 44 88]]不难看出，添加的数组被依次附着在每一行的后面，如果添加的数组行数大于原数组的行数，就会报错。
因此，axis=0时，相当于固定行数，添加列数。
日拱一卒，功不唐捐。