Numpy 使用前需要导入 numpy，一般写作

import numpy as np

可通过 np.+Tab 来查看可使用的函数，并通过 函数 + ？来查看函数的具体帮助信息。

1. ndarray 的创建和使用

 Numpy 封装了一个心得数据类型 ndarray，它是一个多维数组对象。该对象封装了许多常用的数学运算函数。创建它的方法主要为以下几种：

1.1 直接将python的基本数据类型转换为ndarray

 1）将列表转换为ndarray

import numpy as np

lst1 = [3,2,34,1,0]
nd1 = np.array(lst1)
print(nd1)
print(type(nd1))

2) 嵌套列表可以转换为多为ndarray

import numpy as np

lst2 = [[3,0,34,2,4],[2,4,1,4,5]]
nd2 = np.array(lst2)
print(nd2)
print(type(nd2))

将上述例子中的列表转换为元组同样适用。

1.2 利用random 模块生成数组

        如果需要对数组进行一些条件设置，可以适用random。可以用来进行算法的初始化，如正态分布或均匀分布等。下面列举 np.random 模块常用的函数：

1.3 创建特定形状的多维数组

        参数初始化时，有时需要生成一些特殊矩阵，如全是0或1的数组或矩阵，这时我们可以利用下表的函数来实现。

将生成的数据保存

import numpy as np

nd3 = np.random.random([4,5])
np.savetxt(X = nd3, fname = './test1.txt')
nd4 = np.loadtxt('./test1.txt')

1.4 利用 arange、linspace 函数生成数组

        arrange 是 numpy 模块中的函数，其格式是：

arrange([start,] stop[,step,], dtype=None)

其中，start(默认为0) 和stop 是用来指定范围， step（可以是小数） 用来设定步长。 

import numpy as np

print(np.arange(10))
# [0 1 2 3 4 5 6 7 8 9]
print(np.arange(0,10))
# [0 1 2 3 4 5 6 7 8 9]
print(np.arange(1,4,0.5))
# [1. 1.5 2. 2.5 3. 3.5]
print(np.arange(9,-1,-1))
#[9 8 7 6 5 4 3 2 1 0]

        linspace 也是numpy 模块中常用的函数，它可以根据输入的指定数据范围以及等份数量，自动生成一个线性等份向量，其格式为：

np.linspace(start, stop, num=50, endpoint = True, retstep = False, dtype = None)

 2. 基本操作

 2.1 获取数据

import numpy as np 

np.random.seed(2021)
nd5 = np.randdom.random([10])
# 获取指定位置的数据，获取第3个元素
nd5[2]
# 截取一段数据
nd5[2:5]
# 截取固定间隔数据
nd5[1:6:2]
# 倒序取数
nd5[::-2]
#截取一个多维数组的一个区域内数据
nd6 = np.arange(25).reshape([5,5])
nd6[1:4,1:4]
# 截取一个多维数组中，数值在一个值域之内的数据
nd6[(nd6 > 2)& (nd6 < 9)]
# 截取多为数组中，指定的行，如读取第3，4行
nd6[[2,3]] # or nd6[[2:4,:]]
# 截取指定的列
nd6[:,2:4]

        除了通过上述的方法外，还可以通过一些函数来实现，如random.choice 函数从指定的样本中随机抽取数据。

import numpy as np
from numpy import random as nr

a = np. arange(1,25,dtype = float)
c1 = nr.choice(a,size = (2,3)) # the size is the shape of the array c1
c2 = nr.choice(a,size = (2,3),replace = False) # when replace is True, the function can         repreat choice one number.
# the paremeter p is the probability of extraction for each element，defaule is same.
c3 = nr.choice(a, size = (2,3), p = a./np.sum(a))
print("repreat")
print(c1)
print("can not repreat")
print(c2)
print("repreat and probaility")
print(c3)