NumPy介紹
NumPy是Python開源的科學計算工具包，提供多維數組運算，矩陣運算，為Python其他科學計算庫提供底層支持（pandas是基於numpy開發出來的更高級的數據分析包）
NumPy庫能夠對全量數組進行復雜運算，不需要寫Python遍歷循環實現計算，本身使用C語言實現，所以其內存使用更少、計算性能更強，性能好於Pyhton
NumPy多應用：生產隨機數、線性分佈、傅里葉變換等樣本數據!
NumPy 與 Python性能比較
輸出:
- NumPy用時: 25.9 ms
- Python用時: 1.04 s
ndarray，多維數組對象
NumPy核心數據結構是多維數組 ，即ndarray，所有數組操作都離不開ndarray
ndarray對象屬性介紹：
- .ndim 輸出數組維度的個數（軸數）
- .shape 數組的維度
- .size 數組元素總數
- .dtype 數組中元素的類型
- .itemsize 數組中每個元素的字節大小
數組的維數稱為秩，一維數組的秩為1，二維數組的秩為2
創建ndarray對象
0x01 np.array，創建多維數組
使用np.array方法創建數組，輸入參數可以是任意序列（列表、元組、數組、生成器以及numpy數組等）
0x02 np.arange，創建一維數組
使用np.arange()方法構建N維組數
一般使用np.arange()方法，先創建一個一維值序列，再使用reshape方法變換高維數組形狀
0x03 np.linspace，創建一維數組
使用linspace(start, stop, num=50,endpoint=True,retsep=False, dtype=None)，返回在間隔【開始，結束】上計算的num個均勻間隔的數值樣本
- start:起始值，stop:結束值
- num，生產樣本數
- endpoint，為True，包含，為False，不包含
- retstep，為True，返回樣本步長，即樣本間隔長度，默認為False
0x04 np.zeros，生成全零數組
使用np.zeros方法生成全零數組，若創建高維數組，需要傳入元組參數
0x05 np.zeros_like
np.zeros_like方法，根據所給定的ndarray對象生成對應的全零數組
0x06 np.ones，生成全一數組
使用np.ones方法，生成全一數組,若創建高維數組，需要傳入元組參數
0x07 np.ones_like
np.ones_like方法，根據所給定的ndarray對象生成對應的全一數組
創建多維數組其他方法
- np.empty 生成沒有初始值的數組，若創建高維數組，需要傳入元組參數
- np.empty_like 根據所給定的ndarray對象生成沒有初始值的數組
- np.full 創建一個由常數填充的數組,第一個參數是數組，第二個參數是數組中填充的常數
- np.full_like 同上
- np.eye、np.identity生成NxN單位矩陣（左對角線是1，其他元素是0）
數組數據類型
ndarray對象中每個元素可以是以下任意數據類型：
說明：
- 可以在創建數組的時候，指定數據類型
- 可改變已有數組的數據類型，通過astype()方法，生成新的數組
示例代碼：
最後
如果內容有誤，歡迎評論區指正！
喜歡我的朋友們，麻煩點一波關注，謝謝！
