Numpy是处理矩阵、数组的一个工具，下面来看一下基本操作：
np.array()，直接将输入的数组转换成矩阵，打印一下，属于ndarray，n维矩阵系列。
打出维数：array.ndim
打出形状：array.shape
打出大小：array.size
1.创建array
区别在哪？换个方式：
np.array把原来的List,带","的List换成了不带逗号的ndarray，列表换成了数组，后面是不带逗号的。
np.array()内部关键字：
定义类型：dtype = np.int64,
dtype = np.int32
dtype = np.float64(精确，占空间)
dtype = np.float32(节省空间)
......
多出来的小数点，float类型。
2.np.zeros((x,y))
x,行数，y，列数
3行4列的全0矩阵。
3.np.ones((x,y))
同上面一样：
3行4列的全1矩阵。
4.np.arange(起始位，终止位，步长)
5.np.reshape((x,y))
重新规划矩阵形状，比如生成一个1行12列的矩阵，转换成3行4列的矩阵：
这里看到，首先arange，传入一个参数时，默认x=0，步长为1，
其次，np.xxx().xxxx()前后按顺序来执行命令
6.numpy的简单运算
简单的+，-：
简单的*与**：
**代表幂指数，
三角函数：
调用np.sin() np.cos(),矩阵传入括号内部。
其他函数类似。
7.输出布尔值矩阵
比如，判断一个矩阵中的元素是否小于某个数，输出的也应是个布尔值的矩阵：
8.元素乘与矩阵乘
矩阵间的成法有两种，一种是元素之间对应相称，另一种是矩阵相乘：
分别为c = a*b, c = np.dot(a,b)
为了方便，转换成2*2矩阵形式：
9.0-1的随机矩阵
np.random.random((x,y))
10.矩阵最大、最小、和
np.sum() 查看矩阵内部和
np.min() 查看矩阵内部最小值
np.max() 查看矩阵内部最大值
内部关键字：
axis: axis = 1,逐行计算，返回逐行的结果矩阵，axis = 0 逐列计算，返回逐列结果矩阵
1是行，0是列。
11.矩阵索引
np.argmin(),索引矩阵最小值所在位置
这里返回的，是0位，与7位，不是数值。
也可以根据a[x,y] a[x]/a[x,:],a[:,y] ,a[x,a:b],a[a:b,y]
(: 单独一个冒号代表所在行或列的所有值)
如：a[:,3]代表第四列的所有值
a[x,y]:
a[x]a[x,:]:
这个是可以直接赋值的，创建一个新对象：
a[:,1]:
a[x,a:b] 第x+1行，的第a+1到b的值
12.平均值，中位数
np.mean() 平均值，
np.median()，中位数
13.累加
np.cumsum(),
14.逐位差
np.diff(),逐个计算两个相邻的差，返回矩阵
15.倒序
倒序，起始位置与终止位置互换,步长为 -1
16.转置
np.transpose()
[ ].T
以前的图片旋转，内部调用的也是这个，图片上多附（角度）
还有一种，直接加T，可直接用于乘法，
17.区间修剪，np.clip()
在矩阵中，在某个区间内，规定最大值，最小值，剪掉没有交集的部分
np.clip(a,a_min,a_max,out = None)
矩阵a 最大值 11，最小值4，现在规定剪刀的最大值为9，最小值为4，那么，矩阵中超过9的一律剪平，全置为9，4刚好为最小
这次，最小值为3，矩阵最小值为4，没有什么可剪的。保持最小值为4
18.循环
逐行输出：for row in a :
print(row)
逐行输出列：for row in a.T:
print(row)
逐个元素输出,先看下np.flatten()
可以说flatten等于reshape的**-1，-1次方。
Ok，现在逐个输出元素：
19.合并
np.vstack((a,b)) a,b上下合并
np.hstack((a,b)) a,b左右合并
np.concatenate((a,b,b,a),axis = 0/1)，多个数列合并
20.数列与矩阵控制
始终区分不开什么是数列，什么是矩阵，
个人理解就是，一个[ ]里面放数字叫做数列，两个[ ],[ ]里面放数字，那叫做两个数列
数列外边再套个[ ],如[ [ ] ],这叫做一行矩阵，[[ ] [ ] ]这叫做，1行2列矩阵
那么如何把一行的数列转换成一行矩阵呢？
提供一个方法，创建一个维度，newaxis,
a[newaxis,:] newaxis这个关键字，直接就是在所在的位置，x或y创建了一个维度，对于一行数列，在行的位置上创建一个维度，那结果是一行矩阵，如果在列位置上创建一个维度，那结果是一列矩阵，又如果，行和列都创建了一个维度，那么此行数列作为一组数列保存在创建的新矩阵中。
简单的方法，.reshape(),直接操作维度。
21.矩阵分割
np.split(ary,indices_or_sections,axis = 0/1)
axis = 1,把a矩阵的行分成2份
如果axis = 0:
有余数，报错，不能够平分列，把2换成3，把列分成三份：
另一种方法：np.vsplit() 列分割v,
np.hsplit() 横分割h
22.赋值与复制
在Python中，对变量的赋值，等号两边完全是一致的，包括变量的Id:
也就是说，改变后来的变量，对前面的变量都会有影响
看下np.copy():
对d中元素进行操作：
换个方式
