//2019.07.10
python數據分析基礎——numpy（數據結構基礎）
import numpy as np:
1、python數據分析主要的功能實現模塊包含以下六個方面：
（1）numpy——數據結構基礎
（2）Scipy——強大的數據計算（矩陣計算、信號處理、數理分析等）
（3）matplotlib——可視化圖形功能模塊，實現數據的圖形可視化)
（4）pandas——基礎數據分析方法
（5）scikit-learn——強大的數據分析建模庫，主要用於數據挖掘
（6）Keras——人工神經網絡，實現人工神經網絡的數據分析應用
2、對於numpy模塊，它是python里面一個開源的數據計算模塊，可以實現的功能主要有：ndarray、多維數組以及線性代數相關數據分析；
3、對於numpy數據結構以及數據類型的定義舉例如下：
numpy1=numpy.array(list1 dtype=numpy.float)，其數據結構的類型是numpy.ndarray
4、對於數組的輸入標准形式如下：
list=[[1,2,3],[1,2,4],[2,3,4],[1,3,5]]
np1=np.array(list,dtype=np.float)
其中有以下幾個常見的屬性：
np1.shape:數組的長寬尺寸（mxn）
np1.ndim:數據的維數，這里指的是數據列表嵌套的層數
np1.dtype:數據的類型
np1.itemsize：只要是指數據所占自己的大小
np1.size:指整個數據結構所包含的數據元素個數
len(np1)是指數據結構的真正維數，即數組的行數
5、對於輸入數據數組（或者說是矩陣）的其中元素提取方法如下：
np1[a:b,c:d]
這里是指提取數組np1的第a+1行到第b行，第c+1列到第d列的數據模塊，舉例如下：
6、對於python隨機數的生成可以用numpy模塊里的random模塊：
np1.random.rand（0-1之間的的隨機數生成）\randn（服從正態分布的隨機數生成）\randint（隨機整數的生成）\choice（[]）（隨機數產生的范圍自定義）\......（其他隨機數類型）,舉例如下：
7、矩陣數組之間的運算：+-*/（加減乘除）以及點乘
其中最為常用的點乘函數規則如下：
np.dot(矩陣1，矩陣2)
8、多維數組之間的運算（sum、max、min等）需要先對其進行數組的分層，可以用axis=0-維數-1來進行分層，具體例子如下：
9、對於矩陣之間的拼接：
(1)np.concatenate((list1,list2),axis=0)：矩陣之間的拼接
(2)np.vstack((list1,list2))：矩陣之間的上下縱向追接（列數）
(3)np.hstack((list1,list2)):矩陣之間的橫向拼接，所以不同矩陣的維數(行數)必須保證相同
