创建数组：
numpy.arange(start, stop, step, dtype)
| 参数 | 描述 |
|---|---|
start |
起始值，默认为0 |
stop |
终止值（不包含） |
step |
步长，默认为1 |
dtype |
返回ndarray的数据类型，如果没有提供，则会使用输入数据的类型。 |
np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
| 参数 | 描述 |
|---|---|
start |
序列的起始值 |
stop |
序列的终止值，如果endpoint为true，该值包含于数列中 |
num |
要生成的等步长的样本数量，默认为50 |
endpoint |
该值为 true 时，数列中中包含stop值，反之不包含，默认是True。 |
retstep |
如果为 True 时，生成的数组中会显示间距，反之不显示。 |
dtype |
ndarray 的数据类型 |
np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)
base 参数意思是取对数的时候 log 的下标。
| 参数 | 描述 |
|---|---|
start |
序列的起始值为：base ** start |
stop |
序列的终止值为：base ** stop。如果endpoint为true，该值包含于数列中 |
num |
要生成的等步长的样本数量，默认为50 |
endpoint |
该值为 true 时，数列中中包含stop值，反之不包含，默认是True。 |
base |
对数 log 的底数。 |
dtype |
ndarray 的数据类型 |
切片：
numpy 的数组切片时,和py的切片比较相似。但是由于不同维度的出现有一点点不同。
a = np.arange(10) # [0 1 2 3 4 5 6 7 8 9]
a[2:5] # [2 3 4]
a[1,2,3,5,7] # [1,2,3,5,7]
一维简单。
a = array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
In [29]: a[2:5]
Out[29]: array([[6, 7, 8]])
In [30]: a[1,2] # 索引为1的行，索引为2的列。 组合起来就是 5 这个值的位置
Out[30]: 5
In [31]: a[0:2,0:2] #
Out[31]:
array([[0, 1],
[3, 4]])
还有一些特别的索引方式：
布尔索引：
In [33]: a[a>5]
Out[33]: array([6, 7, 8])
In [34]: a[(a>5) & (a%2==0)] # & 这是一个位运算符 并不是单纯的and的意思。 所以这样用的时候，两个条件加 小括号
Out[34]: array([6, 8])
In [35]: a[(a>5) | (a%2==0)] # | 也和平时的 or 不相同。 没有短路这一说。符合条件就可以
Out[35]: array([0, 2, 4, 6, 7, 8])
In [37]: a[(a>5) | ~(a%2==0)] # ~ 这个类似于 ！ 取反
Out[37]: array([1, 3, 5, 6, 7, 8])