1.NumPy：
是Python的一個開源的數值計算庫。可以用來存儲和處理大型矩陣，比python自身的嵌套列表結構要高效，支持大量的維度數組與矩陣運算，此外也針對數組運算提供大量的數學函數庫，包括數學、邏輯、形狀操作、排序、選擇、輸入輸出、離散傅里葉變換、基本線性函數，基本統計運算和隨機模擬等。
2.Jupyter NoteBook
Web應用程序，用途是數據清理和轉換，數值模擬，統計建模，機器學習等
運行外部python文件：
%run *.py
計算statement運行時間：
%time statement??????????????? 一般用于耗時比較長的代碼
%timeit statement????????????????? 會多次運行statement，得到一個更精準的時間，一般用于耗時較短的
返回當前會話的所有變量和函數名稱：
%who_ls
3.Numpy數組：
1.使用np.array()創建
numpy默認ndarray的所有元素類型都是相同的，如果傳進來的列表包含不同的類型，則統一為同一類型，優先級str>float>int
ndarray的常見數據類型：int、float、str
2.使用np的routines函數創建
- 創建一個所有元素都為一的多維數組：np.ones(shape,dtype=None,order='C')
shape:形狀
dtype=None：元素類型
order：{'C','F'}，默認值為C，C（行主序），F（列主序）
- 創建一個所有元素都為0的多維數組：np.zeros(shape,dtype=None,order='C')
dtype默認值為float
- 創建一個所有元素都為指定元素的多維數組：np.full(shape,fill_value,dtype=None,order='C')
shape:形狀
fill_value:填充值
dtype=None：元素類型
order：{'C','F'}，默認值為C，C（行主序），F（列主序）
- 創建一個對角線為1其他位置為0的二維數組：np.eye(N,M=None,k=0,dtype=None)
N:行數
M：列數，默認為None，表示和行數一樣
k=0：向右偏移0個位置
dtype默認值為float
- 創建一個等差數列：np.linspace(start,stop,num=50,endpoint=True,retstep=False,dtype=None)
start:開始值
stop：結束值
num=50：等差數列中默認有50個數
endpoint=True：是否包含結束值
retstep=Flase：是否返回等差值
dtype=None：元素類型
- 創建一個數值范圍的數組（和python的range類似）： np.arange(start,stop,step,dtype=None)
start:開始值
stop：結束值
step：步長
dtype=None：元素類型
- 創建一個隨機整數的多維數組：np.random.randint(low,high=None,size=None,dtype='l')
low:最小值
high：最大值
- high=None時，生成的數值在[0,low]區間
size=None,數組形狀，默認只輸出一個隨機值
dtype=None：元素類型
- 創建一個都為1的服從標準正態分布的多維數組：np.random.randn(d0,d1,…,dn)
dn：第n個維度的數值
- 創建一個服從正態分布的多維數組：np.random.normal(loc=0.0,scale=0.0,size=None)
loc=0.0:均值，對應正態分布的多維數組
scale:標準差，對應分布的寬度，scale越大，正態分布的曲線越矮胖，scale越小，曲線越高瘦
size=None:數組形狀
- 創建一個元素為 [ 0，1 )的隨機數的多維數組：np.random.random(size=None)
size=None:數組形狀
- 創建一個元素為 [ 0，1 )的隨機數的多維數組：np.random.rand()，與np.random.random(size=None)類似：
dn：第n個維度的數值
4.ndarray屬性：
ndim：維度
shape：形狀（有幾個數字就表示幾維）
size：總數據數量
dtype：元素類型
5.索引：
一維與列表完全一致，多維時同理,可通過索引修改數組
6.切片：
一維與列表一致，多維同理。
翻轉：
二維數組行操作：
二維數組取單行：
二維數組取連續多行：
取不連續多行：
二維數組列操作：
二維數組取單列：
二維數組取連續多列：
取不連續多列：
7.數組變形reshape
-1表示任意剩余維度的長度:
8.級聯：np.concatenate()
參數是列表或元組
級聯的數組為度必須相同，
可以通過axis參數改變聯的方向，axis=0：第一個維度，axis：第二個維度…..
水平級聯：
np.hstack()
垂直級聯：
np.vstack()
9.拆分：
垂直拆分：np.vsplit()
按照指定位置拆分
水平拆分：np.hsplit()
水平或垂直拆分：split（） (axis=0行，axis=1列）
10.數組拷貝：
copy（）創建副本
11.聚合操作：
- 求和：np.sum
- np.max()：最大值
- np.min()：最小值
- np.mean()：平均值
- np.average()：平均值
- np.median()：中位數
- np.percentile(n,q=50)：百分位數，q=50代表中位數
- np.argmax()：第一個最大值對應下標
- np.argmin()：第一個最小值對應的下標
- np.power(n,3)：次方,此處為3次方
- np.std()：標準差
- np.var()：方差
- np.nansum()：排Nan值求和
12.矩陣操作
基本矩陣操作：
算術運算符：加減乘除、整除（//）、次方（**）、余數（%）
矩陣和矩陣之間運算
數與矩陣運算
矩陣乘積：
矩陣與矩陣相乘,np.dot
矩陣逆運算：np.linalg.inv()
矩陣行列式：np.linalg.det()
矩陣秩：np.linalg.maxtrix_rank(n)
廣播機制：
為不同維度的矩陣盡量提供運算的可能性
規則一：為缺失的維度補維度
規則二：缺失元素用已有值填充
其他數學操作：
np.abs():絕對值
np.sqrt():平方根
np.square():平方
np.exp():指數e
np.log():自然對數，以e為底的對數
np.sin():正弦
np.cos():余弦
np.tan():正切
np.round():四舍五入?? eg：np.round(n,2)小數點2位四舍五入
np.ceil():向上取整
np.floor():向下取整
np.cumsum():累加
13.排序操作：
np.sort():不改變輸入排序
ndarray().sort()：本地處理，不占用空間，但是改變輸入
14.文件操作：
np.save():保存ndarray到一個npy文件
np.savez（）：將多個ndarray到一個npz文件中
np.savetxt():保存到csv或txt中
np.load（）：讀取文件
】 測試)
