1.兩種方法創建二維數組 :
[ 10 11 12
20 21 22
30 31 32 ]
代碼：
#!/usr/bin/python
import numpy as np
import matplotlib as mlp
import matplotlib.pyplot as plt
if __name__ == '__main__':
a = np.array([[10,11,12],[20,21,22],[30,31,32]])
b = np.arange(10,40,10).reshape(-1,1)+np.arange(0,3,1)
print a
print b解釋：其中 a,b分別代表了一種方法，a直接輸出其中的元素，b爲一個橫向量與一個列向量相加。
numpy中的array要比python原有的list()性能更好，且list中的元素不能爲浮點型，只能爲int型。
2.創造一個橫向量[2,3,4,5,6],改變其維度爲2行3列，查看向量的類型，查看向量中元素的類型，並且改變元素的類型。
代碼：
#!/usr/bin/python
import numpy as np
import matplotlib as mlt
import matplotlib.pyplot as plt
if __name__ == '__main__':
a = np.arange(1,7,1)
b = a.reshape(2,3)
print a, type(a), a.dtype
print b, type(b), b.dtype
print b.astype(np.float).dtype解釋：np.arange(1,7,1)爲步長爲1，從1到7生成6個數，即左閉右開，步長爲1從1到7生成一個數列。reshape(2,3)重新設定數組的維度。type()爲查看變量的類型。dtype爲數組中元素的類型。astype爲重新設定數組中元素的類型。
3.創建複數數組。
代碼:
#!/usr/bin/python
import numpy as np
import matplotlib as mlt
import matplotlib.pyplot as plt
if __name__ == '__main__':
a = np.array([[0+0j], [1+1j], [2+2j], [3+3j]])
print a, type(a), a.dtype解釋：創建複數數組，注意0j不能寫成0*j。
4.對 2中的數組進行切片，且將其賦予另一個變量，並對其進行改變元素的操作。
代碼：
#!/usr/bin/python
import numpy as np
import matplotlib as mlt
import matplotlib.pyplot as plt
if __name__ == '__main__':
a = np.arange(1,7,1)
print a
b = a[2:5]
c = a[::-1]
b[0] = 100
print a
print b
print c
解釋：a[2:5]爲對數組a進行切片操作，取其中的2,3,4位（不包括5）的元素。改變b[0]的元素，發現a[2]的值也變爲 100,因爲a,b共享元素。a[::-1]爲從後向前輸出a數組。
5.在4中，採用兩種方法當改變b值時，a不變。
方法一，代碼：
#!/usr/bin/python
import numpy as np
import matplotlib as mlt
import matplotlib.pyplot as plt
if __name__ == '__main__':
a = np.arange(1,7,1)
print a
b = a[2:5].copy()
b[0] = 100
print a
print b解釋：使用深度複製copy()。
方法2，代碼：
#!/usr/bin/python
import numpy as np
import matplotlib as mlt
import matplotlib.pyplot as plt
if __name__ == '__main__':
a = np.arange(1,7,1)
ind = np.linspace(2,5,4)
ind = np.astype(np.int)
#ind = np.arange(2,6,1)
b = a[ind]
b[0] = 100
print a
print b解釋：當輸入序列號即index值時，a與b不共享空間。
6.numpy中和原始python一些方法速度的比較。
代碼：
#!/usr/bin/python
import numpy as np
import matplotlib as mlt
import matplotlib.pyplot as plt
import time
import math
if __name__ == '__main__':
for nums in np.logspace(0,7,8,base=10):
xx = np.linspace(0,10, nums)
timeStart = time.clock()
np.sin(xx)
timeEndFirst = time.clock() - timeStart
xx = xx.tolist()
timeStart = time.clock()
for ind, text in enumerate(xx):
xx[ind] = math.sin(text)
timeEndSecond = time.clock() - timeStart
print nums, ': ', timeEndFirst, timeEndSecond, timeEndFirst/timeEndSecond解釋：np.logspace(0,7,8,base =10)爲以base=10爲底，生成8個指數，冪分別爲從0到7的8個數。np.linspace(0,10,nums)爲從0, 到10 把這個區間分爲nums份。logspace與linspace是閉區間，即0,到10都能取到，而arange爲左閉右開，右邊的值取不到。
7.生成20個隨機數範圍爲0~1不包括1，包括0。找出其中大與0.6的數。
代碼（生成隨機數）：
#!/usr/bin/python
import numpy as np
import matplotlib as mlt
import matplotlib.pyplot as plt
if __name__ == '__main__':
np.random.seed(0)
a = np.random.rand(20)
print a解釋: seed()中爲種子，當seed()中有數時，產生的隨機數不變。沒數時一直是變的。
代碼（找到大於0.6的數）：
#!bin/usr/python
import numpy as np
import matplotlib as mlt
import matplotlib.pyplot as plt
if __name__ == '__main__':
np.random.seed()
a = np.random.rand(20)
print a
b = a > 0.6
print b, type(b)
print a[b]解釋：b爲一個布爾型的數組，可以當成數組的索引。
8.兩種方法對二維數組去重。
[1 2]
3 4
5 6
1 3
3 4
7 6]
即去除重複的[1 3]。
方法1（使用複數的索引），代碼：
#!/usr/bin/python
import numpy as np
import matplotlib as mlt
import matplotlib.pyplot as plt
if __name__ == '__main__':
a = np.array([[1,2],[3,4],[5,6],[1,3],[3,4],[7,6]])
print a
b = a[:,0].reshape(-1,1)
c = a[:,1].reshape(-1,1)
d = b + c*1j
ind = np.unique(d, return_index = True)[1]
a = a[ind]
print b
print c
print d
print a解釋：由原始二維數組的第一列與第二列構建一個複數數組，找到複數數組重複的元素。注意c*1j不能寫成c*j。
方法2，使用set()與tuple()。set無重複元素，tuple不能改變，且其是hashble的，因此可以當set中的元素。代碼：
#!/usr/bin/python
import numpy as np
import matplotlib as plt
if __name__ == '__main__':
a = np.array([[1,2],[3,4],[5,6],[1,3],[3,4],[7,6]])
print a
#d = list()
#for ii in list(set(tuple(t) for t in a)):
# d.append(list(ii))
# print d
b = np.array(list(set(tuple(t) for t in a)))
print b解釋：可以選擇對一個數組增加set中的元素值來去重。注意，不能直接寫b = np.array(list(set(t for t in a)))因爲t爲unhashble。註釋掉的部分爲將tuple轉化爲list元素的操作。
9.畫一個正太高斯分佈。
代碼：
#!/usr/bin/python
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
import math
if __name__ == '__main__':
mu = 0
sigma = 1
x = np.arange(-3,3,0.1)
y = np.exp(-(x-mu)**2/(2*sigma**2))/math.sqrt(2*math.pi)*sigma
plt.plot(x, y, 'r-', linewidth=2, label='Gaussian')
plt.legend(loc = 'upper right')
plt.xlabel('x', fontsize = 15)
plt.ylabel('y', fontsize = 15)
plt.grid(True)
plt.show()不解釋