Numpy（Numerical Python），是一个高性能科学计算和数据分析的基础库，其提供了矩阵运算的功能，除这个基础用途外，Numpy还可以用作通用数据的高效多维容器，定义任意的数据类型。这些都使得Numpy能够无缝、快速地与各种数据库集成。

Numpy提供的主要功能具体如下：

ndarray —— 一个具有向量算数运算和复杂广播能力的多维数组对象。
用户对数组数据的工具以及用于操作内存映射文件的工具。
用于读写磁盘数据的工具以及用于操作内存映射文件的工具。
非常有用的线性代数，傅里叶变换和随机数操作。
用于集成C/C++和Fortran代码的工具。

创造数组


import numpy as np #引入Numpy库

vector = np.array([1,2,3,4]) #array()直接导入向量/矩阵
matrix = np.array([[1, 'Leo'], [2, 'Jack'], [3, 'Rose']])

a = np.zeros(10) #创建数值均为0的向量
a = np.zeros(10, dtype=int) #指定类型
a = np.zeros(shape=(3,4)) #创建三行四列的矩阵，并且其数据类型默认为float64

a = np.ones # 同上

a = np.full((3,5), 520) #创建三行五列的矩阵，默认值是520

a = np.arange(0, 20, 3) #创建一个数组，范围是0-20（左闭右开），步长是3

a = np.linspace(0, 10, 5) #对矩阵进行等分

a = np.random.randint(0, 10, 10) #生成一个长度为10的向量，里面每个数值都是介于0-10之间的整数

a = np.random.randint(4, 9, size(3, 5)) #生成一个三行五列的整数矩阵

np.random.seed(1) #随机种子使用1记录，确保只要是用随机种子1生成的随机数都是固定的

np.random.random(10) #生成0-1之间的浮点数，向量的长度为10
np.random.random((2,4)) #生成0-1之间的浮点数，二行四列的矩阵

np.random.normal() #生成正态分布