1、NumPy（Numerical Python）是Python语言的一个扩充程序库。提供了python对多维数组对象的支持：ndarray，具有矢量运算能力，快速、节省空间。支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。Numpy内部解除了Python的PIL(全局解释器锁),运算效率极好,是大量机器学习框架的基础库!
numeric python 数字化的python
numpy中最重要的一个形式叫ndarray （n-表示的是n个； d-dimension，维度； array-数组）。
2、Python 本身支持的数值类型有 int（整型，python2 中存在 long 长整型）、float（浮点型）、bool（布尔型） 和 complex（复数型）。
而 Numpy 支持比 Python 本身更为丰富的数值类型。
ndarray：N维数组对象（矩阵），所有元素必须是相同类型.
ndarray属性：ndim属性，表示维度个数；shape属性，表示各维度大小；dtype属性，表示数据类型。
Numpy 中，ndarray 类具有六个参数，它们分别为：
shape：数组的形状。
dtype：数据类型。
buffer：对象暴露缓冲区接口。
offset：数组数据的偏移量。
strides：数据步长。
order：{‘C’，’F’}，以行或列为主排列顺序。
在 numpy 中，我们主要通过以下 5 种途径创建数组，它们分别是：
1.从 Python 数组结构列表，元组等转换。
2.使用 np.arange、np.ones、np.zeros 等 numpy 原生方法。
3.从存储空间读取数组。
4.通过使用字符串或缓冲区从原始字节创建数组。
5.使用特殊函数，如 random。
numpy.array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0) object：列表、元组等。dtype：数据类型。如果未给出，则类型为被保存对象所需的最小类型。copy：布尔来写，默认 True，表示复制对象。
除了直接使用 array 方法创建 ndarray，在 numpy 中还有一些方法可以创建一些有规律性的多维数。首先，我们来看一看 arange()。arange() 的功能是在给定区间内创建一系列均匀间隔的值。方法如下：
numpy.arange(start, stop, step, dtype=None)你需要先设置值所在的区间，这里为 `[开始， 停止），你应该能发现这是一个半开半闭区间。然后，在设置 step 步长用于设置值之间的间隔。最后的可选参数 dtype可以设置返回ndarray 的值类型。
linspace方法也可以像arange方法一样，创建数值有规律的数组。inspace用于在指定的区间内返回间隔均匀的值。其方法如下：
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)- start：序列的起始值。
- stop：序列的结束值。
- num：生成的样本数。默认值为50。
- endpoint：布尔值，如果为真，则最后一个样本包含在序列内。
- retstep：布尔值，如果为真，返回间距。
- dtype：数组的类型。
numpy.ones 用于快速创建数值全部为 1 的多维数组。其方法如下：
numpy.ones(shape, dtype=None, order='C')- shape：用于指定数组形状，例如（1， 2）或 3。
- dtype：数据类型。
- order：{‘C’，’F’}，按行或列方式储存数组。
zeros 方法和上面的 ones 方法非常相似，不同的地方在于，这里全部填充为 0。zeros 方法和 ones 是一致的。
numpy.zeros(shape, dtype=None, order='C')- shape：用于指定数组形状，例如（1， 2）或3。
- dtype：数据类型。
- order：{‘C’，’F’}，按行或列方式储存数组。
numpy.full用于创建一个自定义形状的数组，可以自己指定一个值，该值填满整个矩阵。
numpy.full(shape,fill_value=num)numpy.eye 用于创建一个二维数组，其特点是k 对角线上的值为 1，其余值全部为0。方法如下：
numpy.eye(N, M=None, k=0, dtype=<type 'float'>) #k表示从下标第几个开始- N：输出数组的行数。
- M：输出数组的列数。
- k：对角线索引：0（默认）是指主对角线，正值是指上对角线，负值是指下对角线。