pandas数据结构之numpy

    -- 综述
        numpy主要用于进行运算
        dataframe更切合于业务逻辑
        

    -- numpy的创建, 传入多维数组或者使用routines函数创建
        import numpy as np
        test = np.array([[1,2,3],[4,5,6]])
    -- routines函数创建
        np.ones(shape, dtype=None, order='C') , np.ones([2,2])
        np.full(shape,fill_value,dtype=None,order='C') ,np.full([3,3],3.14)
        np.eye(N,M=None,k=0,dtype=float) ,np.eye(4,4,1)                                     np.linspace(start,stop,num=50,endpoint=True,retstep=false,dtype=None) , np.linspace(0,10,5) 等差数列
        np.arrang([start,]stop,[step,]dtype=None) , np.arange(0,10,2) 等差数列
           

    # 常用的routines函数
        np.random.seed(100)#随机的种子，有了种子，每次都一样
        
        np.random.randint(low,high=None,size=None,dtype='l'), np.random.randint(0,10,size=(5,3))
        
        np.random.rand(d0,d1,d2.....) , np.random.rand(10)
        np.random.raondom(size=None) , np.random.random([2,2]) 产生一个0~1之间的np.ndarray

    -- 索引,切片,变形同dataframe
    -- 级联: np.concatenate() 级联需要注意的点：
            级联的参数是列表：一定要加中括号
            维度必须相同形状相符
            【重点】级联的方向默认是shape这个tuple的第一个值所代表的维度方向可通过axis参数改变级联的方向 ,z = np.concatenate([x,y])

    -- numpy的矩阵操作
        numpy与numpy之间只能形状相同的才能进行运算
        numpy之间进行线性代数的矩阵积 np.dot(), 它只有在第一个矩阵的列数（column）和第二个矩阵的行数（row）相同时才有意义即(m * p)*(p * n)
        

    -- numpy的广播机制
        【重要】ndarray广播机制的两条规则
            规则一：为缺失的维度补1
            规则二：假定缺失元素用已有值填充
        例: a = np.arange(3).reshape((3,1))
    a
    输出：
    array([[0],
           [1],
           [2]])
    
    b = np.arange(3)
    b
    输出：
    array([0, 1, 2])
    
    a+b
    输出：
    array([[0, 1, 2],
           [1, 2, 3],
           [2, 3, 4]])

    -- numpy的排序
        np.sort()与ndarray.sort()都可以，但有区别：
        np.sort()不改变输入
        ndarray.sort()本地处理，不占用空间，但改变输入

    -- numpy的部门排序
        np.partition(a,k)
        有的时候我们不是对全部数据感兴趣，我们可能只对最小或最大的一部分感兴趣。
        当k为正时，我们想要得到最小的k个数
        当k为负时，我们想要得到最大的k个数
        例: import numpy as np
        a = np.random.randint(0,100,10)
        print(a)
        print(np.partition(a,3))
    
        输出：
        [67  0 63 42 30 82 28 63 95 13]
        [ 0 13 28 30 42 82 63 63 95 67]