NumPy是用Python.進行科學計算，尤其是數據分析時，所用到的一個基礎庫。它是大量Python
數學和科學計算包的基礎，比如后面要講到的pandas)庫就用到了NumPy。pandas庫專門用于數據
分析，充分借鑒了Python標準庫NumPy的相關概念。而Python標準庫所提供的內置工具對數據分
析方面的大多數計算來說都過于簡單或不夠用。

1.numpy簡介

Pytho語言誕生不久，開發人員就產生了數值計算的需求，更為重要的是，科學社區開始考
慮用它進行科學計算。
1995年，Jim Hugunin開發了Numeric,這是第一次嘗試用Python進行科學計算。隨后又誕生了
Numarray包。這兩個包都是專門用于數組計算的，但各有各的優勢，開發人員只好根據不同的使用
場景，從中選擇效率更高的包。由于兩者之間的區別并不那么明確，開發人員產生了把它們整合為
.個包的想法。Travis Oliphanti遂著手開發NumPyl庫，并于2006年發布了它的第一個版本(v1.0)。
從此之后，NumPy成為Python科學計算的擴展包。如今，在計算多維數組和大型數組方面，
它是使用最廣的。此外，它還提供多個函數，操作起數組來效率很高，還可用來實現高級數學運
算。
當前，NumPyz是開源項目，使用BSD許可證。在眾多開發者的支持下，這個庫的潛力得到了
進一步挖掘。

2.安裝numpy

pip install numpy

3.ndarry : numpy庫的心臟

整個NumPy庫的基礎是ndarray(N-dimensional array,W維數組)對象。它是一種由同質元素
組成的多維數組，元素數量是事先指定好的。同質指的是幾乎所有元素的類型和大小都相同。事
實上，數據類型由另外一個叫作dtype(data-ype,數據類型)的NumPy對象來指定；每個ndarray
只有一種dtype類型。
數組的維數和元素數量由數組的型(shape)來確定，數組的型由N個正整數組成的元組來指
定，元組的每個元素對應每一維的大小。數組的維統稱為軸(axes),軸的數量被稱作秩(rank)。
NumPy數組的另一個特點是大小固定，也就是說，創建數組時一旦指定好大小，就不會再發
生改變。這與Python的列表有所不同，列表的大小是可以改變的。
定義ndarray最簡單的方式是使用array()函數，以Python列表作為參數，列表的元素即是
ndarray的元素。

import numpy as np  
a = np.array([1,2,3])  
print(a[1])

3.1 創建數組

數組的創建方法有幾種，最常用的就是前面你見過的，使用arry()函數，參數為單層或嵌套列表。

import numpy as np  
a = np.array([[1,2,3],[1,2,3]])  
print(a)

除了列表，array()函數還可以接收嵌套元組或元組列表作為參數。

a = np.array(((1,2,3),(1,2,3)))  
print(a)

此外，參數可以是由元組或列表組成的列表，其效果相同。

a = np.array(((1,2,3),[1,2,3],(1,2,3)))  
print(a)

3.2數據類型

到目前為止，我們只使用過簡單的整型和浮點型數據類型，其實NuPy數組能夠包含多種數據類型。

3.3dtype

array()函數可以接收多個參數。每個ndarray()對象都有一個與之相關聯的dtype對象，該對
象唯一定義了數組中每個元素的數據類型。array()函數默認根據列表或元素序列中各元素的數
據類型，為ndarray()對象指定最適合的數據類型。但是，你可以用dtypej選項作為函數array()
的參數，明確指定dtypel的類型。
例如，如要定義一個復數數組，可以像下面這樣使用dtype選項：

a = np.array(((1,2,3),[1,2,3],(1,2,3)),dtype=complex)  
print(a)