前置知识
1.python基础语言
2.重点Python内置数据结构：列表、字符串、元组、集合和字典。
3.序列的索引和切片操作。
4.列表推导式、集合推导式、字典推导式
5.lambda表达式
6.Python三个函数式编程基础的函数：fliter()、map()和reduce()。
2.Numpy是什么？
NumPy（Numerical Python的缩写）是一个开源的Python数据分析和科学计算库。
1.NumPyj Pandas(数据分析）、SciPy(科学计算）和Matplotlib（绘图库）基础。
2.图像处理OpenCV for Python中也大量使用NumPy。
3.NumPy官网：http://www.numpy.org/
4.Numpy源代码：https://github.com/numpy/numpy
1.3为什么选择Numpy
1.Python写出易读、整洁并且缺陷最少的代码。
2.Numpy底层是用C语言实现速度快。
3.NumPy提供数据结构（数组）比Python内置数据结构访问效率更高。
4.支持大量高维度数组与矩阵运算。
5.提供大量的数学函数库。
环境搭建
手动安装：要求python3.5及以上版本。pip 安装Numpy等库。 pip install Numpy。
安装IPython: 是一个加强版的Python解释器，python3.7以后开始自带安装。
pip install ipython
安装Anacoda:
Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等1500多个科学包。
官网：https://www.anaconda.com
开发工具：
Python Shell, Python IDEL, IPython shell, IDE工具（Pycharm、Eclipse Pydev插件、Visual Studio Code、Spyder）、Jupyter Notebook。
编写Numpy程序：
NumPy库中最重要的数据结构是多维数组对象（ndarray）,它是一系列同类型数据的集合，下标索引从0开始。
ndarray对象是用于存放同类型元素的多维数组。
ndarray中的每个元素在内存中都有相同存储大小的区域。
创建一维数组：
array函数创建ndarray对象，其中参数可以是如下类型：Python列表（list）、Python元组（tuple）。
指定数组数据类型：
Numpy支持的数据类型比Python内置的数据类型要多。
数组的dtype属性返回数组的类型。也可以在声明时指定数据类型。dtype=float。
更多数据类型：
类型代码和字节序
类型转换
使用数组对象（ndarray）的astype(dtype)方法可以转换数组元素的数据类型。
注意：astype(dtype)方法会创建一个新的数组对象。
3.3更多创建一维数组方式：
使用array()函数是将Python内置的列表或元素转换为Numpy数组对象，这样做效率不高。为此Numpy提供了很多创建数组的函数。arrange、linspace(线性等分向量）、logspace(对数等分向量）。
获取Numpy版本：printf(np.__version__)
编写Numpy程序以获取有关np.add函数的帮助信息： np.info(np.add) ; ipython提供的方式：np.add? 或 np.add??
从给定数组中提取所有奇数：
第四章 二维数组
4.1创建二维数组：
4.2重设数组维度：reshape
4.3.5使用identity和eye函数
identity函数可以创建单位矩阵，即对角线元素为1.0，其他元素为0.0.其语法格式如下：
numpy.identity(n,dtype=None);
eye函数可以创建二维数组，对角线元素为1.0，其他元素为0.0。其语法格式如下：
4.4数组的属性
4.6数组转置
5.1索引访问
5.2切片访问
6.3算术运算：
Numpy数组对象可以使用Python原生的算术运算符，加、减、乘、除都可以使用。规则很简单，即对对应的每一个元素运算即可。
形状相同的直接计算，不同的需要广播实现。
6.4广播
6.4.1标题广播
任何标量都可以跟数组进行计算。
6.4.2数组广播
练习：
第7章 通用函数
通用函数（ufunc）使得Numpy数组操作用于数组中的每一个元素。通用函数是C语言实现的，这样会取得更快的执行效率。
自定义通用函数
输入一个参数，输出一个参数。
第8章 更多函数
8.1随机数
8.1.1常用随机函数
8.2排序
8.3聚合函数
可以对整个数组元素或轴元素进行计算，获得单一值，这是聚合函数。如：sum、amin、amax、mean（平均值）、average（加权平均值）、var（方差）、std（标准偏差）等。
8.3.1求和：
第九章 线性代数
Numpy提供线性代数计算模块numpy.linalg，该模块包含了线性代数所需的所有功能。
第10章 高维数组