1.NumPy：
是Python的一个开源的数值计算库。可以用来存储和处理大型矩阵，比python自身的嵌套列表结构要高效，支持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，包括数学、逻辑、形状操作、排序、选择、输入输出、离散傅里叶变换、基本线性函数，基本统计运算和随机模拟等。
2.Jupyter NoteBook
Web应用程序，用途是数据清理和转换，数值模拟，统计建模，机器学习等
运行外部python文件：
%run *.py
计算statement运行时间：
%time statement 一般用于耗时比较长的代码
%timeit statement 会多次运行statement，得到一个更精准的时间，一般用于耗时较短的
返回当前会话的所有变量和函数名称：
%who_ls
3.Numpy数组：
1.使用np.array()创建
numpy默认ndarray的所有元素类型都是相同的，如果传进来的列表包含不同的类型，则统一为同一类型，优先级str>float>int
ndarray的常见数据类型：int、float、str
2.使用np的routines函数创建
- 创建一个所有元素都为一的多维数组：np.ones(shape,dtype=None,order='C')
shape:形状
dtype=None：元素类型
order：{'C','F'}，默认值为C，C（行主序），F（列主序）
- 创建一个所有元素都为0的多维数组：np.zeros(shape,dtype=None,order='C')
dtype默认值为float
- 创建一个所有元素都为指定元素的多维数组：np.full(shape,fill_value,dtype=None,order='C')
shape:形状
fill_value:填充值
dtype=None：元素类型
order：{'C','F'}，默认值为C，C（行主序），F（列主序）
- 创建一个对角线为1其他位置为0的二维数组：np.eye(N,M=None,k=0,dtype=None)
N:行数
M：列数，默认为None，表示和行数一样
k=0：向右偏移0个位置
dtype默认值为float
- 创建一个等差数列：np.linspace(start,stop,num=50,endpoint=True,retstep=False,dtype=None)
start:开始值
stop：结束值
num=50：等差数列中默认有50个数
endpoint=True：是否包含结束值
retstep=Flase：是否返回等差值
dtype=None：元素类型
- 创建一个数值范围的数组（和python的range类似）： np.arange(start,stop,step,dtype=None)
start:开始值
stop：结束值
step：步长
dtype=None：元素类型
- 创建一个随机整数的多维数组：np.random.randint(low,high=None,size=None,dtype='l')
low:最小值
high：最大值
- high=None时，生成的数值在[0,low]区间
size=None,数组形状，默认只输出一个随机值
dtype=None：元素类型
- 创建一个都为1的服从标准正态分布的多维数组：np.random.randn(d0,d1,…,dn)
dn：第n个维度的数值
- 创建一个服从正态分布的多维数组：np.random.normal(loc=0.0,scale=0.0,size=None)
loc=0.0:均值，对应正态分布的多维数组
scale:标准差，对应分布的宽度，scale越大，正态分布的曲线越矮胖，scale越小，曲线越高瘦
size=None:数组形状
- 创建一个元素为 [ 0，1 )的随机数的多维数组：np.random.random(size=None)
size=None:数组形状
- 创建一个元素为 [ 0，1 )的随机数的多维数组：np.random.rand()，与np.random.random(size=None)类似：
dn：第n个维度的数值
4.ndarray属性：
ndim：维度
shape：形状（有几个数字就表示几维）
size：总数据数量
dtype：元素类型
5.索引：
一维与列表完全一致，多维时同理,可通过索引修改数组
6.切片：
一维与列表一致，多维同理。
翻转：
二维数组行操作：
二维数组取单行：
二维数组取连续多行：
取不连续多行：
二维数组列操作：
二维数组取单列：
二维数组取连续多列：
取不连续多列：
7.数组变形reshape
-1表示任意剩余维度的长度:
8.级联：np.concatenate()
参数是列表或元组
级联的数组为度必须相同，
可以通过axis参数改变联的方向，axis=0：第一个维度，axis：第二个维度…..
水平级联：
np.hstack()
垂直级联：
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.数组拷贝：
copy（）创建副本
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()：中位数
- np.percentile(n,q=50)：百分位数，q=50代表中位数
- np.argmax()：第一个最大值对应下标
- np.argmin()：第一个最小值对应的下标
- np.power(n,3)：次方,此处为3次方
- np.std()：标准差
- np.var()：方差
- np.nansum()：排Nan值求和
12.矩阵操作
基本矩阵操作：
算术运算符：加减乘除、整除（//）、次方（**）、余数（%）
矩阵和矩阵之间运算
数与矩阵运算
矩阵乘积：
矩阵与矩阵相乘,np.dot
矩阵逆运算：np.linalg.inv()
矩阵行列式：np.linalg.det()
矩阵秩：np.linalg.maxtrix_rank(n)
广播机制：
为不同维度的矩阵尽量提供运算的可能性
规则一：为缺失的维度补维度
规则二：缺失元素用已有值填充
其他数学操作：
np.abs():绝对值
np.sqrt():平方根
np.square():平方
np.exp():指数e
np.log():自然对数，以e为底的对数
np.sin():正弦
np.cos():余弦
np.tan():正切
np.round():四舍五入 eg：np.round(n,2)小数点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():不改变输入排序
ndarray().sort()：本地处理，不占用空间，但是改变输入
14.文件操作：
np.save():保存ndarray到一个npy文件
np.savez（）：将多个ndarray到一个npz文件中
np.savetxt():保存到csv或txt中
np.load（）：读取文件
