壹言以蔽之，numpy是python中基於數組對象的科學計算庫。
提煉關鍵字，可以得出numpy以下三大特點：
因為numpy是壹個python庫，所以使用python包管理工具pip或者conda都可以安裝。
安裝python後，打開cmd命令行，輸入：
即可完成安裝。
n維數組（ndarray）對象，是壹系列 同類數據 的集合，可以進行索引、切片、叠代操作。
numpy中可以使用 array 函數創建數組:
判斷壹個數組是幾維，主要是看它有幾個軸（axis）。
壹個軸表示壹維數組，兩個軸表示二維數組，以此類推。
每個軸都代表壹個壹維數組。
比如說，二維數組第壹個軸裏的每個元素都是壹個壹維數組，也就是第二個軸。
壹維數組壹個軸：
二維數組兩個軸：
三維數組三個軸：
以此類推n維數組。
numpy中常用 array 函數創建數組，傳入列表或元組即可。
創建壹維數組，並指定數組類型為 int ：
創建二維數組：
還可以使用 arange 函數創建壹維數字數組，用法類似python的 range 函數.
numpy的 random 模塊用來創建隨機數組。
random模塊還有其他函數，這裏不多說。
前面說到，數組維度即代表軸的數量。
我們可以通過數組（adarray）對象的ndim或shape屬性，來查看軸的數量。
數組（ndarray）對象的 size 屬性可以查看數組包含元素總數。
還可以通過 shape 屬性返回元素的乘積，來計算數組元素數量。
Numpy支持的數據類型非常多，所以很適合做數值計算。
下面給出常見的數據類型：
數組（adarrry）對象提供 dtype 屬性，用來查看數組類型。
前面說過，數組的 shape 屬性返回壹個元組，能夠反映數組的形狀，包括維度以及每個軸的元素數量。
那麽如果給定壹個數組，怎麽改變其形狀呢？
常用的方式有兩種：
比如說我要將壹個二維數組轉換為三維數組。
reshape 方法可以傳入整數或者元組形式的參數。
傳入的參數和 shape 屬性返回的元組的含義是壹樣的。
例如， x2.reshape(1,2,3) 是將二維數組轉換成三維數組，參數個數代表要轉換的維度，參數數字從左到右分別表示0軸、1軸、2軸的元素數量。
resize 方法和 reshape 方法使用形式壹樣，區別是 resize 方法改變了原始數組形狀。
numpy壹維數組的索引和切片操作類似python列表，這裏不多講。
比如說取壹維數組前三個元素。
重點是對多維數組的索引和切片。
多維數組有多個軸，那麽就需要對每個軸進行索引。
例如，三維數組形狀為(x,y,z)，分別代表：0軸有x個元素、1軸有y個元素，2軸有z個元素。
對0、1、2軸進行索引，如果取o軸第2個元素、1軸第0個元素、2軸第3個元素，那麽索引形式就為[2,0,3]。
切片也是同樣道理。
如果取o軸前2個元素、1軸前1個元素、2軸後2個元素，那麽切片形式就為[:2,:1,-2:]。
說到叠代，大家很容易想到直接對數組直接使用 for 循環操作，對於壹維數組來說，當然是可以的。
但對於多維數組，叠代是相對於0軸完成的，就是多維數組最外層的那壹維。
妳沒有辦法直接遍歷數組裏每壹個元素，嵌套循環又太低效。
這個時候就需要用到 flat 方法，它可以將多維數組平鋪為壹維的叠代器。
數組（ndarray）對象提供了ravel方法，用來將多維數組展開為壹維數組。
廣播(Broadcast)是 numpy 對不同形狀(shape)的數組進行數值計算的方式， 對多個數組的算術運算通常在相應的元素上進行。
較小的數組在較大的數組上“廣播”，以便它們具有兼容的形狀。
比如說壹個壹維數組乘以壹個數字，相當於壹維數組裏每個元素都乘以這個數。
如果相同維度的數組進行運算，其shape相同，那麽廣播就是兩個數組相同位數的元素進行運算。
如果兩個數組維度不同，進行運算，這裏就觸發了廣播的兩個規則。
這兩個規則保證了不同維度數組進行運算時，其維度自動調整成壹致。
numpy提供了 transpose 函數用以對數組進行維度的調換，也就是轉置操作。
轉置後返回壹個新數組。
當然，可以用更簡單的方法。
數組對象提供了 T 方法，用於轉置，同樣會返回壹個新數組。
numpy的 concatenate 函數用於沿指定軸連接相同形狀的兩個或多個數組。
numpy的 unique 函數用於去除數組中的重復元素，返回壹個新數組。
unique 函數還能返回重復元素的索引、計數等信息，可去查文檔自定義參數。
numpy文檔
菜鳥教程