欢迎在文章下方评论，建议用电脑看
ndim：维度
shape：行数和列数
size：元素个数
调用方式，比如：
array = np.array([[1,2,3],[2,3,4]]) array.ndim（array是一个对象，输出是2）
最简单：a = np.array([2,23,4])
创建全零数组：a = np.zeros((3,4)) # 数据全为0，3行4列
创建全1数组：a = np.ones((3,4),dtype = np.int) # 数据为1，3行4列，数据类型是整型
用 arange 创建连续数组:：a = np.arange(10,20,2) # 10-19 的数据，2步长
dtype：表示的是数据类型，也就是数组元素的数据类型
numpy数据类型dtype转换,numpy中的数据类型转换，不能直接改原数据的dtype!因为这样会导致数组长度的改变，只能用函数astype()函数，详细见这篇博文
指定数据 dtype的创建数组：a = np.array([2,23,4],dtype=np.int)
使用 reshape 改变数据的形状：a = np.arange(12).reshape((3,4)) # 3行4列，0到11
””” array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]]) “””
需要注意的是：通过reshape生成的新数组和原始数组公用一个内存，也就是说，假如更改一个数组的元素，另一个数组也将发生改变。
其实就像一个数组，需要注意的是c=a*b是对应元素相乘，并不是矩阵相乘，c=b**2表示的是各个元素都变成原来的平方。而矩阵的相乘是c_dot = np.dot(a,b)
当axis的值为0的时候，将会以列作为查找单元， 当axis的值为1的时候，将会以行作为查找单元。比如print("min =",np.min(a,axis=1))是所有行中的最小值，也就是说有多少行就有多少个其所在行的最小值。
np.argmin(A) 和 np.argmax(A) 两个函数分别对应着求矩阵中最小元素和最大元素的索引。，A.mean()是求均值的;np.sort(A)表示的是仅针对每一行进行从小到大排序操作
在元素列表或者数组中，我们可以用如同a[2]一样的表示方法，同样的，在Numpy中也有相对应的表示方法。
二维：A[2]表示A的第三行所有元素，A[1, 1]表示单个元素。当然，如果要对array进行切片的话，用如下：A[1, 1:3]
np.vstack((A,B)是上下合并，即对括号中的两个整体进行对应操作。np.hstack((A,B)) 是一种左右合并
np.split(A, 2, axis=1)纵向分割也就是在纵向对等分为两份，也就是;print(np.split(A, 3, axis=0))横向分割，也就是横向对等分为三分。注意：split（）只能对等分，如果不对等就会报错。如果要不对等分配，应该用这个函数array_split(),例如np.array_split(A, 3, axis=1)表示的是纵向分为不对等的三分
