Numpy
Numpy是一个多维数组，能提供最大值，最小值，中位数，百分位，全距，算术平均值，加权平均值，标准差，方差；基本上完整的提供了集中趋势的量度，分散性和变异度的量度。
什么是Numpy？
Numpy就是N维数据，是前边讲的序列列表的替代品；据说是用C语言写的独立的模块，效率较高；
首先安装一下numpy库，使用前要导入一下numpy库(怎么在Thonny里导入numpy库？)；
'''
Welcome to LearnPython.NET
File Name: PNumpy.py
Download from: https://www.learnpython.net/cn/python-code-samples.html
Author: LearnPython.Net
Editor: CoderChiu
'''
import numpy as np
如何创建Numpy数组(ndarry)？
可以先创建一个列表，然后通过列表来创建ndarrry；Lukas，Robin，Alex一起去惠州大亚湾的黄金海岸旅游，在老虎洲岸边上的沙滩上，Lukas捉到了5只螃蟹，Robin捉到了7只螃蟹，Alex捉到了4只螃蟹；看一下我们如何用Numpy中的ndarry 来展示的。
#捉到的小朋友数量；
nListCabNum = [5,7,4]
npArrayCabNum = np.array(nListCabNum)
print("npArrayCabNum = ", npArrayCabNum)
print("type = ", type(npArrayCabNum))
先创建一个列表 nListCabNum ，在通过 nListCabNum 来创建 ndarray数组 npArrayCabNum ，看一下ndarray数组的数据内容和数据类型是什么（numpy.ndarray）。
>>> %Run PNumpy.py
npArrayCabNum = [5 7 4]
type = <class 'numpy.ndarray'>
还有那些方法来创建ndarray呢？
这么多的初始化函数，才是体现ndarray强大的地方；但为什么需要这么多的初始化函数，一开始我其实也不懂，硬着头皮往下继续看，看到最后我才懂了，不由得感叹有如此牛逼设计思想武装的数组，为Python添彩。
Numpy常用属性
ndarray的常用属性
print("npArrayCabNum = ", npArrayCabNum)
print("share = ", npArrayCabNum.shape)
print("ndim = ", npArrayCabNum.ndim)
print("itemsize = ", npArrayCabNum.itemsize)
print("dtype = ", npArrayCabNum.dtype)
print("size = ", npArrayCabNum.size)
print("data = ", npArrayCabNum.data)
print("type = ", type(npArrayCabNum))
npArrayCabNum 的属性打印如下：
>>> %Run PNumpy.py
npArrayCabNum = [5 7 4]
share = (3,)
ndim = 1
itemsize = 4
dtype = int32
size = 3
data = <memory at 0x0BB6DBF8>
type = <class 'numpy.ndarray'>
NumPy的ndarrray对象支持的数据类型
我猜应该支持的固定长度的信息吧（方便用C语言快速的操作啊）；我们看一下到底会支持那些数据类型呢！目前支持 int8， int16， int32，int64，unin8，unin16，unin32，unin64，float16， float32，float64，float128，complex64，complex126，complex256，bool，object，string_，unicode_。
npArrayCabNum = np.array(nListCabNum, dtype=np.int8)
print("dtype = ", npArrayCabNum.dtype)
显式的声明这一次是 np.int8 的ndarray，这时候 dtype 由默认的 int32 变成了 int8。有四个字节的int，变成1个字节的int；在处理大量的数据的时候，还是很有必要的，因为节省四分之三的空间。
>>> %Run PNumpy.py
dtype = int8
NumPy的ndarray对象的矢量化
什么叫矢量化，看看下面的例子就知道了；Lukas，Robin，Alex一起去惠州大亚湾的黄金海岸旅游，在老虎洲岸边上的沙滩上，Lukas捉到了5只螃蟹，Robin捉到了7只螃蟹，Alex捉到了4只螃蟹；假如每个人都可以捉到跟今天一样多的螃蟹，请问一周后，每个人会捉到多少只呢。这不废话吗，每个人乘7不就可以了，对呀，看看ndarray的矢量化运算神奇的地方。
#问一周可以捉到螃蟹呢；
print("After this week: ", npArrayCabNum * 7)
然后就得到了如下数据（是不是还在想怎么 for循环 呢）；
>>> %Run PNumpy.py
After this week: [35 49 28]
NumPy中数组ndarray对象之所以很重要，是因为你不需要编写循环即可对数据执行批量运算；大小相等的数组之间任何算术运算都会应用到元素级。假如昨天Lukas捉到了4只螃蟹，Robin捉到了5只螃蟹，Alex捉到了6只螃蟹；如果要计算昨天和今天他们捉了多少只螃蟹，只需要简单的加法就搞定了，没有循环！
#昨天捉到的螃蟹数量;
npArrayCabNumYesterday = np.array([4,5,6], dtype=np.int8)
#昨天+今天螃蟹数量；
print("Sum : ", npArrayCabNum + npArrayCabNumYesterday)
得到结果如下（是不是简化了很多呢，发明NumPy的人，厉害吧！）：
>>> %Run PNumpy.py
Sum : [ 9 12 10]
通用函数
以下的函数都是快速的元素级的数据函数；
这个大家比较好理解，简单举个例子，求元素的平方和平方根吧；
npArrayCabNum = np.array(nListCabNum, dtype=np.int8)
#通用函数；
print("square: ", np.square(npArrayCabNum))
print("sqrt: ", np.sqrt(npArrayCabNum))
结果如下：
>>> %Run PNumpy.py
square: [25 49 16]
sqrt: [2.236 2.646 2. ]
数学和统计学方法
数学的方法，可能你大概知道最大值，最小值，算术平均值，元素求和；统计学方法，大概你知道标准差，方差这些吧；
这种方法的好处是常用的数学直接可以得到结果，不要自己动手了；
#捉到的小朋友数量；
nListCabNum = [5,7,4]
npArrayCabNum = np.array(nListCabNum, dtype=np.int8)
print("min: ", npArrayCabNum.min())
print("max: ", npArrayCabNum.max())
print("mean: ", npArrayCabNum.mean())
print("sum: ", npArrayCabNum.sum())
print("std: ", npArrayCabNum.std())
print("var: ", npArrayCabNum.var())
print("argmin: ", npArrayCabNum.argmin())
print("argmax: ", npArrayCabNum.argmax())
print("cumsum: ", npArrayCabNum.cumsum())
print("sumprod: ", npArrayCabNum.cumprod())
得到如下结果：
>>> %Run PNumpy.py
min: 4
max: 7
mean: 5.333333333333333
sum: 16
std: 1.247219128924647
var: 1.5555555555555554
argmin: 2
argmax: 1
cumsum: [ 5 12 16]
sumprod: [ 5 35 140]
