高级用法：http://www.jb51.net/article/87987.htm
from array import * 调用 array 与 import numpy as np 调用 np.array 的区别：
# a=array.array(‘c‘)，决定着下面操作的是字符，并是单个字符
# a=array.array(‘i‘)，决定着下面操作的是整数
>>> a=array.array(‘i‘)#整数，b与i类似
>>> a.append(8)
>>> a.append(81)
>>> a
array(‘i‘, [8, 81])#构成list 此时数组的长度还是2，前面的 i 只是一个指示性的标识，不构成数组的元素。
>>> a=array.array(‘c‘)#单个字符
>>> a.append(‘g‘)
>>> a.append(‘g‘)
>>> a
array(‘c‘, ‘gg‘)#单个字符连接
* 用np.array调用array 不用要指示性标志：
b=np.array([2,3,4])
2、array形状
a=[1,2,3,4]
b=np.array(a)
b.shape 返回：(4,) 表示 b是一个 4列的向量，不是矩阵 ,这个b.shape值是一个元祖，可以提取其中的元素，比如：
1）b.shape[0:] 返回 (4,)
2）b.shape[1:] 返回 () ，这个返回表示 没有列，那么源数据是一个向量，不是矩阵
c=np.array([[1,2,3],[4,5,6]])
c.shape 返回：(2, 3) 表示是一个2行3列的矩阵
同理，
c.shape[0:] 返回 (2, 3)
c.shape[1:] 返回 (3,) 表示是3列 源数据是个矩阵
3、np.r_，np.c_
用法：concatenation function
np.r_按行来组合数组，
np.c_按照colunm来组合数组
>>> a = np.array([1,2,3])
b = np.array([5,2,5]) >>>
//测试 np.r_
>>> np.r_[a,b] array([1, 2, 3, 5, 2, 5])
>>> >>> //测试 np.c_ >>>
np.c_[a,b] array([[1, 5], [2, 2], [3, 5]])
>>> np.c_[a,[0,0,0],b] array([[1, 0, 5], [2, 0, 2], [3, 0, 5]])
4、np.linspace
np.linspace(-1,1,5) #-1 开始 1 结束 ，产生5个数
array([-1. , -0.5, 0. , 0.5, 1. ])
5、产生正态随机数和矩阵
numpy.random.normal(size=100)
numpy.random.normal(size=(10, 10))
value=np.random.normal(size=(204620, 50))
gender=np.random.randint(0,1,size=(1,204620))
6、np.argsort #从小到大排列的索引值
b=np.array([1,5,3,4,9,6])
==>np.argsort(b) => array([0, 2, 3, 1, 5, 4])
b[:-4:-1] => array([6, 9, 4]) #倒着取（4-1=3） 个数
7、b=np.array([1,5,3,4,9,6])
x=('a','b','c','d','e','f')
让x 按照 b的由小到大的顺序排序的索引进行排序，再反向取3个值。
1）取b由小到达的排序的索引
np.argsort(b) =》array([0, 2, 3, 1, 5, 4])
2）将x 按照上述的索引 进行排序：
np.array(x)[np.argsort(b)] =》 array(['a', 'c', 'd', 'b', 'f', 'e'], dtype='|S1')
3)再反向取 3个值：
np.array(x)[np.argsort(b)][:-4:-1] =》 array(['e', 'f', 'b'], dtype='|S1')