Numpy，全称Numeric Python，是一个开源的Python科学计算库。
本文为基础知识（1），代码在jupyter中实现。
简介：
Numpy有一个强大的N维数组对象ndarray。该对象是一个快速而灵活的大数据集容器，该对象由两部分组成：
我们可以直接将array（数组）看作一种新的数据类型，就像list、tuple、dict一样，但数组中所有元素的类型必须是一致的，Python支持的数据类型有整型、浮点型以及复数型，但这些类型不足以满足科学计算的需求，因此NumPy中添加了许多其他的数据类型，如bool、inti、int64、float32、complex64等。同时，它也有许多其特有的属性和方法。
常用ndarray属性：当然，NumPy也有其不足之处，由于NumPy使用内存映射文件以达到最优的数据读写性能，而内存的大小限制了其对TB级大文件的处理；此外，NumPy数组的通用性不及Python提供的list容器。因此，在科学计算之外的领域，NumPy的优势也就不那么明显。
具体使用：
1 读取txt文档
原始文档内容为：
#读取txt文档，分隔符为英文逗号，如果文档和代码放在同一路径下，可以不写文件路径。
world_alcohol = numpy.genfromtxt("world_alcohol.txt", delimiter=",")
print(type(world_alcohol))
读取结果的类型为：
<class 'numpy.ndarray'>2.numpy.array（）的生成和运用。生成几维就用多少个[]。
vecter.shape 得到ndarray的结构，如果是向量就会得到长度，二维就会得到几行几列。
array中的类型要一致，否则会统一变成不一样的那个类型，比如如下代码。
二维矩阵操作。
3. np.array中的判断。
注意type（）和dtype之间的区别。
判断vector中是否有这个数字，返回bool类型的数组。
判断之后得到的array布尔值数组可以当做索引。
注意一维向量和二维矩阵之间的使用索引时的差别。
| 欢迎光临 黑马程序员技术交流社区 (http://bbs.itheima.com/) | 黑马程序员IT技术论坛 X3.2 |
