NumPy介绍
NumPy是Python开源的科学计算工具包，提供多维数组运算，矩阵运算，为Python其他科学计算库提供底层支持（pandas是基于numpy开发出来的更高级的数据分析包）
NumPy库能够对全量数组进行复杂运算，不需要写Python遍历循环实现计算，本身使用C语言实现，所以其内存使用更少、计算性能更强，性能好于Pyhton
NumPy多应用：生产随机数、线性分布、傅里叶变换等样本数据!
NumPy 与 Python性能比较
输出:
- NumPy用时: 25.9 ms
- Python用时: 1.04 s
ndarray，多维数组对象
NumPy核心数据结构是多维数组 ，即ndarray，所有数组操作都离不开ndarray
ndarray对象属性介绍：
- .ndim 输出数组维度的个数（轴数）
- .shape 数组的维度
- .size 数组元素总数
- .dtype 数组中元素的类型
- .itemsize 数组中每个元素的字节大小
数组的维数称为秩，一维数组的秩为1，二维数组的秩为2
创建ndarray对象
0x01 np.array，创建多维数组
使用np.array方法创建数组，输入参数可以是任意序列（列表、元组、数组、生成器以及numpy数组等）
0x02 np.arange，创建一维数组
使用np.arange()方法构建N维组数
一般使用np.arange()方法，先创建一个一维值序列，再使用reshape方法变换高维数组形状
0x03 np.linspace，创建一维数组
使用linspace(start, stop, num=50,endpoint=True,retsep=False, dtype=None)，返回在间隔【开始，结束】上计算的num个均匀间隔的数值样本
- start:起始值，stop:结束值
- num，生产样本数
- endpoint，为True，包含，为False，不包含
- retstep，为True，返回样本步长，即样本间隔长度，默认为False
0x04 np.zeros，生成全零数组
使用np.zeros方法生成全零数组，若创建高维数组，需要传入元组参数
0x05 np.zeros_like
np.zeros_like方法，根据所给定的ndarray对象生成对应的全零数组
0x06 np.ones，生成全一数组
使用np.ones方法，生成全一数组,若创建高维数组，需要传入元组参数
0x07 np.ones_like
np.ones_like方法，根据所给定的ndarray对象生成对应的全一数组
创建多维数组其他方法
- np.empty 生成没有初始值的数组，若创建高维数组，需要传入元组参数
- np.empty_like 根据所给定的ndarray对象生成没有初始值的数组
- np.full 创建一个由常数填充的数组,第一个参数是数组，第二个参数是数组中填充的常数
- np.full_like 同上
- np.eye、np.identity生成NxN单位矩阵（左对角线是1，其他元素是0）
数组数据类型
ndarray对象中每个元素可以是以下任意数据类型：
说明：
- 可以在创建数组的时候，指定数据类型
- 可改变已有数组的数据类型，通过astype()方法，生成新的数组
示例代码：
最后
如果内容有误，欢迎评论区指正！
喜欢我的朋友们，麻烦点一波关注，谢谢！
