參考文獻：
【官方幫助文件】numpy v1.12 manual
【csdn】numpy之四：高階索引和索引技巧
from numpy import *
definit_array
():print
"建立一維陣列："
a = arange(5)
print a
print a.dtype # 顯示陣列中的資料型別
print a.shape # 顯示每個維度上元素的數量。
print
"建立多維陣列"
m = array([arange(2),arange(2)])
print m
print m.shape
print
"使用numpy的資料型別"
# numpy的資料型別比較豐富，比python自帶的要豐富。
# numpy 陣列中每個元素 均為相同的資料型別。
data = arange(7,dtype=uint8)
print data
defelements_in_array
(): a = array([[1,2],[3,4]])
print a
print a[1,0]
defindex_array
():print
"一維陣列 的索引 和切片"
a = arange(9)
print a
print a[3:7] # 下標範圍：3 <= x <= 7
print a[:7:2] # 用下標 0 ~ 7 ,以 2 為步長 取元素。
print a[::-1] # 用負數下標 翻轉陣列 todo ?
print
"多維陣列切片 和索引"
b = arange(24).reshape(2,3,4) # 切成 2 * 3 * 4 的三維陣列。
print b
print b[0, 1, 1]# 因為切成了3 維，所以我們就需要用3維座標來取資料。（依次類推，4維，4個座標值）
# todo 切片
print b[0] # 相當於對 3維 進行了切面，只固定了乙個座標，其他的都包含。
print b[0,:,:] # 等價於上面的情況(注意逗號)
print b[0,...] # 如果有多個冒號
print
"在切片中間隔選定元素"
print b[0,1,::2]
defarray_combination
():'''
陣列組合： 水平組合，垂直組合，深度組合
'''a = arange(9).reshape(3,3)
print a
b = 2 * a # 矩陣 數乘。
print b
print
"水平組合:"
print hstack((a,b))
print
"垂直組合："
print vstack((a,b))
defcut_array
():'''
用於切分陣列。
'''a = arange(9).reshape(3,3)
print a
print
"水平切分"
print hsplit(a,3)
print split(a,3,axis=1)
print
"豎直切分"
print vsplit(a,3)
numpy的基本使用 一
numpy numerical python 提供了python對多維陣列物件的支援 ndarray，具有向量運算能力，快速 節省空間。numpy支援高階大量的維度陣列與矩陣運算，此外也針對陣列運算提供大量的數學函式庫。numpy支援比python更多種類的數值型別。numpy數值是dtype 資料...
機器學習 Numpy的基本使用
numpy介紹 numpy是乙個開源的python科學計算庫，用於快速處理任意維度的陣列。numpy支援常見的陣列和矩陣操作，對於同樣的數值計算任務，使用numpy比之間使用python要簡潔的多。numpy使用ndarray物件來處理多維陣列，該物件是乙個快速而靈活的大資料容器。ndarray介紹...
NumPy 基本運算
在原文基礎上適當精簡並更正少量原作者的筆誤 基本運算 1.陣列的算術運算是按元素的。新的陣列被建立並且被結果填充 a array 20,30,40,50 b arange 4 b array 0,1,2,3 c a b c array 20,29,38,47 b 2 x.2 array 0,1,4,...