本章重点内容：
1、NumPy ndarray：多维数组对象
1）生成ndarry
2）ndarray的数据类型
3）NumPy数据算术
4）基础索引与切片
5）布尔索引
6）数组转置和换轴
2、通用函数：快速的逐元素数组函数
3、使用数组进行面向数组编程
4、使用数组进行文件输入和输出
5、伪随机数生成
6、示例：随机漫步
接下来展开详细说明，如下
1、NumPy ndarray：多维数组对象
NumPy，是Numerical Python的简称，它是目前Python数值计算中最为重要的基础包，大多数计算包都提供了基于NumPy的科学函数功能，将NumPy的数组对象作为数据交换的通用语
首先看下NumPy的简单使用，如下：
导入numpy进行使用，随机生成2行3列数字，然后可以进行一些数学操作，例如相乘、相加，如下：
一个ndarray是一个通用的多维同类数据容器，每个数组都有一个shape属性，表示纬度的数量，都有一个dtype属性，表示数据类型，如下：
1）生成ndarry
最简单的就是使用array函数，可以将不同的列表转换为数组，如下：
一般来说，针对同等长度的列表，会自动转换为多维数组，
可以通过arange生成数组，类似Python中的range，如下
2）ndarray的数据类型
前面我们说过，每个数组都会有一个数据类型的属性，在创建数组时，可以声明不同的数据类型，如下：
可以使用astype方法显示的转换数组的数据类型，如下：
如果字符串表示数字的含义，也可以通过astype转换成数字，如下：
3）NumPy数据算术
数组之所以重要事因为他允许进行批量操作而无需任何for循环，在NumPy中，这个特性成为向量化，算术操作都会针对数组逐个元素进行，如下：
两个数组间也可以进行比较，会产生一个布尔值数组，如下：
4）基础索引与切片
一维数组的索引和切片，和Python中的列表相似，如下：
有一个特别要区别的地方，就是数组的切片是原数组的视图，不是复制数据，所以对切片的修改都会反应到原数组上
可以针对二维及更多纬度的数组进行切片，如下，二维数组示例：
可以进行更多纬度更灵活的切片，如下：
5）布尔索引
假如我们有两个数组，一个数组是名字，另一个名字数组是数据，每个名字对应另一个数组中对应每行的数据，可以通过布尔索引相关数据，代码示例如下：
首先，创建一个名字的数组，然后随机产生对应的数据，如下：
可以直接对数据进行比较操作，如下：
在索引数组时可以传入布尔数组，如下：
可以选择除bob之外的数据，如下：
其中符合【~】表示取反的意思
6）数组转置和换轴
转置是一种特殊的数据重组形式，可以通过transpose方法和特殊的T属性实现，如下：
在计算矩阵内积的时候，会用到转置，计算内积的方法是【.dot】，代码示例如下：
2、通用函数：快速的逐元素数组函数
这里的通用函数，是指对一个数组或者多个数组进行的函数运算，例如取根号，最大值比较，具体代码示例如下：
3、使用数组进行面向数组编程
将条件逻辑作为数组操作
numpy.where函数是三元表达式【x if condition else y】的向量化版本
如果有一个布尔数组和两个数值数组，根据布尔数组来选择另外两个数组，用该办法操作如下：
可以对一个数组内符合条件的内容进行替换操作，如下：
数学和统计方法
对数组内数据就和以及求均值，都可以很方便的实现，如下：
排序
数组也可是使用sort方法进行位置排序，如下：
针对多维数组，可以指定轴向进行排序，如下：
唯一值
可以通过nuique方法计算数组内的唯一值，去除重复的内容，例如前面中提到的姓名的数组，具体代码示例如下：
4、使用数组进行文件输入和输出
通过save和load方法来进行存取操作，具体代码示例如下：
存入数据：文件格式会默认为npy
读取数据：一定要写出后缀
5、伪随机数生成
前面的示例中已经看到和用到来random的函数，来随机生产数据，他也可以高效多种概率分布下的完整样本值数组，例如使用normal获得4X4正态分布样本数组，如下：
6、示例：随机漫步
