numpy第二次打卡

#关于keepdims
维度：矩阵的维度用一个元祖tuple来表示，例如（2，）（2， 3）（2，3，4）
维数：元祖中数字的个数
矩阵的轴（axis）：矩阵的轴(axis)：矩阵的轴与维度对应，维度的第一个元素代表的轴是axis=0，第二个元素代表的轴是axis=1.如维度为(2,3,4)的矩阵axis=0即为2代表的维；再如数学中的2×3矩阵(即维度为(2,3))axis=0即为列（列方向），axis=1即为行（行方向）。
对axis进行指定轴操作会使矩阵降维，使用keepdims=True会使消失的轴保留，并保持维度为1

#np.all() 与np.any（）
#对于一个给定的数组np.all()判断给定轴上的所有元素是否都为true，相当于与运算,np.any相当于或运算，判断给定的轴上是否有一个元素为True。如果axis为none，返回单个布尔值
a1 = np.arange(5)
print(np.all(a1)) #False
print(np.any(a1)) #True
a2 = np.eye(5)
print(a2)
print(a2==0)#输出一个布尔值的矩阵
print(a1 ==a2)#生成一个布尔值的矩阵
print((a2==0).all())判断矩阵中的元素是否全为True
print((a2==0).any())判断矩阵中的元素是否有True
#如果用 == 判断两个list是否相同，返回的是True或False，而np.array返回的是每个元素值比较的列表

#逻辑运算
numpy.logical_not()
numpy.logical_and()
numpy.logical_or()
numpy.logical_xor()
#对照
#isclose()与allclose()
#isclose用于判断两个浮点数是否在要求的误差范围内，相对误差rtol=1e-05 或者 绝对误差atol=1e-08范围内就返回内就返回True
#allclose用于判断两个数组的每一个元素是不是都在要求的误差范围内，相对误差rtol=1e-05 或者 绝对误差atol=1e-08范围内就返回内就返回True。

#排序
#numpy.sort(a[, axis=-1, kind='quicksort', order=None])
对给定的数组a进行排序，默认沿着最后的轴排序；默认的排序方法为快速排序
import numpy as np  

a = np.array(