一、numpy概述
numpy（Numerical Python）提供了python对多维数组对象的支持：ndarray，具有矢量运算能力，快速、节省空间。numpy支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
二、创建ndarray数组
ndarray：N维数组对象（矩阵），所有元素必须是相同类型。
ndarray属性：ndim属性，表示维度个数；shape属性，表示各维度大小；dtype属性，表示数据类型。
创建ndarray数组函数：
三、指定ndarray数组元素的类型
NumPy数据类型：
四、ndarray的矢量化计算
矢量运算：相同大小的数组键间的运算应用在元素上
矢量和标量运算：“广播”— 将标量“广播”到各个元素
五、ndarray数组的基本索引和切片
一维数组的索引：与Python的列表索引功能相似
多维数组的索引：
- arr[r1:r2, c1:c2]
- arr[1,1] 等价 arr[1][1]
- [:] 代表某个维度的数据
六、ndarray数组的布尔索引和花式索引
布尔索引：使用布尔数组作为索引。arr[condition]，condition为一个条件/多个条件组成的布尔数组。
花式索引：使用整型数组作为索引。
七、ndarray数组的转置和轴对换
数组的转置/轴对换只会返回源数据的一个视图，不会对源数据进行修改。
八、ndarray通用函数
通用函数（ufunc）是一种对ndarray中的数据执行元素级运算的函数。
一元ufunc：
二元ufunc：
九、NumPy的where函数使用
np.where(condition, x, y)，第一个参数为一个布尔数组，第二个参数和第三个参数可以是标量也可以是数组。
十、ndarray常用的统计方法
可以通过这些基本统计方法对整个数组/某个轴的数据进行统计计算。
用于布尔数组的统计方法：
- sum : 统计数组/数组某一维度中的True的个数
- any： 统计数组/数组某一维度中是否存在一个/多个True
- all：统计数组/数组某一维度中是否都是True
使用sort对数组/数组某一维度进行就地排序（会修改数组本身）。
十一、ndarray数组的去重以及集合运算
十二、numpy中的线性代数
import numpy.linalg 模块。线性代数（linear algebra）
常用的numpy.linalg模块函数：
十三、numpy中的随机数生成
import numpy.random模块。
常用的numpy.random模块函数：
原文地址：https://www.cnblogs.com/dangjf/p/9523506.html