NumPy（Numerical Python的缩写）是一个开源的Python科学计算模块，其中包含了许多实用的数学函数，用来处理数值型数据。

很多更高级的扩展模块都依赖于NumPy，比如pandas； NumPy中有计算平均数、中位数等数学相关的内置函数，可以在代码中省去很多的循环语句，帮助我们更加快速和科学地进行计算； NumPy提供了一个叫做N维数组的数据结构，它和Python中的列表list类似，但前者的输入输出性能远优于后者。

现在让我们了解一下numpy模块及其对象N维数组的创建和使用...

1.1安装numpy模块

pip install numpy

1.2导入numpy模块

#导入了numpy，并使用"np"作为该模块的简写
import numpy as np

1.3创建数组

N维数组是Numpy模块中的一个对象

数组的维度可以是N维的，超过3维数组就很少了

arr=np.array([1,2,3])
print(arr)
#一维数组
[1 2 3]
#一维数组和列表很像，他们的区别在于数组之间的元素是用空格分隔，而列表是以逗号分隔。
print(list[1,2,3])
#输出
[1, 2, 3]

arr=np.array([[1,2,3],[4,5,6]])
print(arr)
#二维数组
[[1 2 3]
 [4 5 6]]


arr=np.array([[[1,2,3],[4,5,6]],[[10,20,30],[40,50,60]]])
print(arr)
#三维数组
[[[ 1  2  3]
  [ 4  5  6]]

 [[10 20 30]
  [40 50 60]]]

数组中的数据类型需要一致，可以是：整型（int）、浮点型（float）、布尔型（bool）等，重点是一致

arr=np.array(['a','b','c'])
print(arr)
arr=np.array([True,True,False])
print(arr)

1.4 数组的运算

当相同形状的数组进行计算时，运算也是在相应的元素上进行。

arrOne=np.array([[1,2],[2,3],[3,4]])
arrTwo=np.array([[100,200],[200,300],[300,400]])

print(arrOne+arrTwo)
#输出
[[101 202]
 [202 303]
 [303 404]]

print(arrOne*100+arrOne)
#输出
[[101 202]
 [202 303]
 [303 404]]

数组中进行求均值，最大值，最小值等统计运算时，不考虑数组的维度。

arr=np.array([1,2,3])
print(arr)
arr.mean()
Out[132]: 2.0

arr.max()
Out[133]: 3

arr.min()
Out[134]: 1

#不管是几维数组,在统计时都是全部元素放到一起统计
arr=np.array([[1,2,3],[4,5,6]])
print(arr)

arr.mean()
Out[137]: 3.5

arr.max()
Out[138]: 6

arr.min()
Out[139]: 1