使用Python进行数据分析--------------NumPy基础：数组和矢量计算
#NumPy（Numerical重点内容 Python的简称）
是Python数值计算最重要的基础包。大多数提供科学计算的包都是用NumPy的数组作为构建基础。
NumPy的部分功能如下：
- ndarray，一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组。
- 用于对整组数据进行快速运算的标准数学函数（无需编写循环）。
- 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。
- 线性代数、随机数生成以及傅里叶变换功能。
- 用于集成由C、C++、Fortran等语言编写的代码的A C API。
由于NumPy提供了一个简单易用的C API，因此很容易将数据传递给由低级语言编写的外部库，外部库也能以NumPy数组的形式将数据返回给Python。这个功能使Python成为一种包装C/C++/Fortran历史代码库的选择，并使被包装库拥有一个动态的、易用的接口。
####NumPy的ndarray：[一种多维数组对象]
NumPy最重要的一个特点就是其N维数组对象（即ndarray），该对象是一个快速而灵活的大数据集容器。你可以利用这种数组对整块数据执行一些数学运算，其语法跟标量元素之间的运算一样。
import numpy as np
data=np.random.rand(2,3)
data
array([[0.48647845, 0.04507442, 0.20495593],
[0.80353623, 0.93839 , 0.75206625]])
##创建ndarray
1,创建数组最简单的办法就是使用array函数。它接受一切序列型的对象（包括其他数组），然后产生一个新的含有传入数据的NumPy数组。以一个列表的转换为例：
data = [6, 7, 8, 0, 1]
arr = np.array(data1)
2,嵌套序列（比如由一组等长列表组成的列表）将会被转换为一个多维数组：
data = [[1, 2, 3, 4], [5, 6, 7, 8]]
arr = np.array(data2)
因为data是列表的列表，NumPy数组arr的两个维度的shape是从data引入的。可以用属性ndim和shape验证,array这个方法是可以自动设置合适的类型来存储你的数据
一下是建立方式API
##其实不管学习什么东西 都需要大家常常练习，反复琢磨才行，一定要深入，不能停留在表面，特别是做技术的##