NumPy简介：
NumPy系统是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix））。
NumPy（Numeric Python）提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。多为很多大型金融公司使用，以及核心的科学计算组织如：Lawrence Livermore，NASA用其处理一些本来使用C++，Fortran或Matlab等所做的任务。
NUMPY提供高性能,多维数组对象和工作工具使用这些数组。它的数组可以用作高效的通用多维容器数据。可以定义任意的数据类型。
1.先来看一下NumPy的数据类型
（1）带符号整数类型
int8: 1-byte int16: 2-byte int32: 4-byte int64: 8-byte
(2) 无符号整数类型
uint8: 1-byte uint16: 2-byte uint32: 4-byte uint64: 8-byte
(3)C语言整数类型
int_ intc intp short long longlong
（4）浮点型floating 布尔型Boolean 复数类型Complex 字符串类型str 日期时间类型data and time 原始数据块Raw data block
（5）内置数据类型的字符代码
- ？：boolean, 例如：
- b: signed byte i4: 32-bit signed integer
- B: unsigned byte u2: 16-bit signed integer
- i: signed integer =========》 f8: 64-bit floating-point
- u: unsigned integer U25: 25-character string
- f: floating-point V10: 10-byte wide data
- c: complex
- m: timedelta
- M: datetime
- O: Python object
- S: (byte) string
- U: unicode string
- V: raw data (void)
接下来我们将举例说明NumPy的对数组的各种使用方法：
（1）ndarray -----多维度数组
解释：n--数字number d--维度dimensional array--数组
先看一下基本例子：
ndarray具有的属性：
dtype shape ndim size itemsize nbytes flags base
下面依次介绍属性使用：
（2）axis
为具有不止一个维度的数组定义轴。二维数组有两个对应的轴：第一个通过行（轴0）垂直向下运行，以及第二横跨柱（轴1）水平运行。
例如：[ [ [ 0 1 2]
[ 3 4 5] ]
[ [ 6 7 8]
[ 9 10 11] ] ]
sum(axis=0): [ [ 6 8 10] [12 14 16] ]
sum(axis=1): [ [ 3 5 7] [15 17 19] ]
sum(axis=3): [ [ 3 12] [21 30] ]
（3）创建多维度数组
①通过np.array------这个就是上面说的了，很简单
②通过函数
函数方法有：empty zeros ones asarray fromiter arange full eye random.random linspace
实现也类似：
（4）多维数组的重塑：
（5）索引和切片
整数数组索引可以构造任意数组
使用来自另一个数组的数据
原文地址：https://www.cnblogs.com/qianshuixianyu/p/9238115.html