三個網址推薦： 1 http://blog.csdn.net/yhb315279058/article/details/50226075 2 http://www.jb51.net/article/49397.htm 3 http://www.jb51.net/article/103080.htm ...
Numpy模塊的學習：
三個網址推薦：
1 http://blog.csdn.net/yhb315279058/article/details/50226075
2 http://www.jb51.net/article/49397.htm
3 http://www.jb51.net/article/103080.htm
Numpy中Random模塊的學習：
1 http://blog.csdn.net/pipisorry/article/details/39508417
2 http://blog.csdn.net/unin88/article/details/50570196
3 http://blog.csdn.net/qtlyx/article/details/50733176
補充：
1 Numpy 數據類型（numpy可以在數據類型的後面加上數字，標識這種類型在記憶體中占的位數）
bool 用一個比特存儲布爾類型
inti 由平臺決定其所占位數，一般為int32/64
int8/16/32/64 所占位數為8/16/32/64為的有符號整數
unit8/16/32/64 所占位數為8/16/32/64位的無符號數
float16/32/64(float) 半精度符號數/單精度符號數/雙精度符號數
complex64/128(complex) 用32位浮點數表示實部和虛部/用64位表示實部和虛部
2 在Numpy中，多數函數可以指定數據類型的參數，這個參數是可選的，格式為dtype=類型名，如：
1 a=numpy.arrange(5,dtype=int) 2 3 >>>array([0,1,2,3,4]) 4 5 a=numpy.arrange(5,dtype=complex) 6 7 ?
3 Nump的數組創建函數（array,arrange,ones,zeros,eye,empty）
empty:根據指定的維數和類型創建一個數組但不填充任何值，數組元素值多是一些未初始化的垃圾值
1 import numpy as np 2 3 print(np.empty(3)) 4 5 print(np.empty((4,1)))
4 數組轉置（可以使用transpose()函數，也可以使用T屬性訪問轉置矩陣）
1 nar.transpose() 2 3 nar.T
5 Numpy中很多函數統計方法即可以當做數組的實例方法調用，也可以作為頂級的Numpy函數調用
1 a=numpy.arrange(12).reshape(3,4) 2 3 a 4 5 array([[0,1,2,3],[4,5,6,7],[8,9,10,11]])
實例方法：
1 r=a.cumsum() 2 3 r 4 5 array([0,1,3,6,10,15,21,28,36,45,55,66])
頂層函數調用：
1 r=numpy.cumsum(a) 2 r 3 4 array([0,1,3,6,10,15,21,28,36,45,55,66])
還有比如排序
a=numpy.random.rand(4)
a.sort()等價於numpy.sort(a)
6 Numpy中的集合運算
a=numpy.array([1,4,2,7,9,0,1,5,7,8])
unique(a): 刪除數組中的重覆元素，並返回唯一元素的有序結果
intersect1d(a,b):查找a,b中的共同元素，並返回公共元素的有效結果
union1d（a,b）:求a,b的並集，並返回有序結果。
in1d(a,b):返回一個布爾型數組，如果a元素包含於b，則返回TRUE，否則返回False
setdiff1d(a,b):求集合a,b的差，即存在於a中但不存在於b中的元素
setxor1d(a,b):求集合a，b的對稱差。即存在於a或b但不同時存在於a，b中的元素
7 線性代數
numpy中的linalg模塊支持常見的線性代數操作
det :求矩陣行列式
eig:求矩陣特征值和特征向量
inv:求方陣的逆
numpy中的常用線性代數函數
dot:完成矩陣乘法
trace:計算對角線元素的和
8訪問文件
（1）將數組以二進位形式存取
save用於保存：numpy.save('d:\\nshz.npy',a) 若沒有指定擴展名，則預設為.npy
load用於讀取：numpy.load('d:\\nshz.npy')
（2）存取文本文件
savetxt():numpy.savetxt('d:\\npshz.txt',a,delimiter=',')會在D盤下新建文件‘npshz.txt’
loadtxt():numpy.loadtxt('d:\\npshz.txt',delimiter=',')
