⑴ numpy的應用場景和常用方法
1. np.array 可將序列對象（如列表和元包）轉換為數組，可以生成一維或多維數組，生成多維數組時要對齊。
a = [[1,2,3],[4,5,6]]b = np.array(a)
2. 數組與列表的相互轉換
a = np.ones((2,2))b = a.tolist()# 數組轉列表c = [[1,2,3],[4,5,6]]d = np.array(c)# 列表轉數組e = [1,2,3],[4,5,6]g = np.array(e)#元組轉數組
3. 低精度和高精度一起，會轉換為高精度的
a = np.array((1,2.1,3,4,5,6))b = a.reshape(2,3)print(a.shape, a.dtype)
4. np.arange(n) 生成一維從0到n-1的向量,可以設定范圍和步長，如np.arange(1,10,2)。python 內置的range生成從0到n-1的列表，一般只用於for循環中。
a = np.arange(15)for i in range(15):print(i)
5. np.ones .zeros .empty 裡面需要傳 入一個元組或列表，來指定創建什麼形狀，同時可以指定數據類型dtype。
a = np.ones((2,2), dtype = int)b = np.zeros(10)
6. np.astype 實現數據類型轉換，string類型的數字（如'123'）也可以轉換為int。
a = np.array((1,2,3,4))print(a.dtype)b = a.astype(np.float64)print(b.dtype)
7. 大小相等的數組之間的任何運算都會元素級的，特別注意數組之間的乘法是元素級的，要實現矩陣乘法，需要用np.dot。
8. 數組的切片是原始數組的視圖，數據在賦值時不會復制，想要復制數據，需要在切片後加.()
9. 數組切片用方括弧[ ]，切片的形式為[start:end:step]， 在切片時起點和終點至少要指定一個。不指定的部分，表示一直到索引最開始或者最後。-1 可以表示最後一個元素，：表示復制原列表。索引有幾種形式，如[1,2], [:,3],[:2,3:]注意索引的結尾數要減1，開頭不需要。還有花式索引，a[[1,2,3]] 取對應的行，a[:,[1,2,3]]取對應的列，花式索引會復制數據，注意a[[1,2,3],[1,2,3]] 取的是3個對應位置的數字。進行反向索引時，要在數字前全部加負號，如[-2: -10:-1] 表示取向量的倒數第2個到倒數第10個，步長為2； [-1::-1] 表示從最後一個按照步長為1一直取到第1個。
a = np.arange(30).reshape(6,5)b = a[:2,3:]c = a[[1,5,2]]d = a[:,[3,4,1]]
a = b[b[:,0] == c, :]## 取出某列中所有滿足特定值的所有行，此式子為取出b中第0行里所有值等於c的所有行
a = b[~b[:,0] == c, :] ## 反轉，取出所有不滿足該條件的
10. 數組之間的拼接有兩種方法，hstack，vstack分別對應行拼接和列拼接；concatenate里axis=0對應列軸，=1對應橫軸。hsplit, vsplit以及split(與concatenate對應)實現矩陣的指定份數的均等分。
a = np.ones((1,2))b = np.zeros((3,2))c =np.ones((3,3))d = np.hstack((b,c))e = np.concatenate((b,c),axis = 1)f = np.vstack((a,b))g, h, i = np.hsplit(c, 3)
11.數組中最小最大元素的索引：np.argmin，np.argmax；數組中最小最大的元素：np.max，np.min。
a = np.arange(30).reshape(6,5)b = np.argmax(a)
12. Python內置zip函數，可以將多個可迭代對象中對應的元素打包成一個個元組，然後返回由這些元組組成的列表，當所有對象長度不一致時，以短的為主。
a = np.array((1,2,3))b = np.array((4,5,6))c = zip(a,b)for i, j in zip(a,b):print(i,j)
13.numpy.wher(conditon[, x, y]) 條件邏輯表達式，方括弧內可省去，如果條件為true，則其值取x，否則取y。 如果只有條件，則范圍條件中非0元素的索引。其等效為 value = x if c else y for c, x, y in zip(condition, xarr, yarr)。
xarr = np.array([1.1, 1.2, 1.3, 1.4])yarr = np.array([2.1, 2.2,2.3, 2.4])condi = np.array([True, False, True, False])value = np.wher(condi, xarr, yarr)
14. 基礎數學和統計方法中，sum，mean, std, var(方差), min, max, argmin, argmax (arg系列返回最值的索引), cumsum等可以分別針對數組整體，以及axis = 0 （y軸，向）, = 1 (x軸, 橫向)進行數據統計。
a = np.random.randn(5,5)# 正態分布隨機數b = np.argmin(a)c = np.argmin(a, axis = 0)d = a.argmin(axis = 1)
15.對布爾型數組的方法， Python里0與False, 非0元素與True對應，針對布爾型數組的方法有，sum統計true的個數，實質對0與1的求和，any判斷是否有true， all判斷是否全為true。
a = np.array([False, True, False, False])print(a.sum())print(a.any())print(a.all())
16. sort對指定軸進行從小到大的排序， argsort 是間接排序、返回數值從小到大的索引
a = np.random.randn(5,3)b = np.sort(a)# 默認axis=0b2 = np.sort(a, axis = 0)b3 = np.sort(a, axis = 1)
17.唯一化和集合邏輯： unique返回矩陣中唯一值的序列（即所有出現過元素的序列），python內置的set只能針對向量，返迴向量中的唯一值序列，該序列只能作為迭代序列，一般用於for循環等迭代中。intersect1d(x,y) x與y的交集， unio1d(x,y) x與yd的並集， in1d(x,y) x中的元素是否在y集合中， setdiff1d(x,y) 集合差 setxor1d(x,y)異或。
a = np.array(('Bob','Alice','Joe','Will','Bob','Joe'))b = np.unique(a)a2 = np.array((1,2,3,4,2,3,1,5,3,2,6,5,7,6,4))b2 = np.unique(a2)a3 = np.array([[1,2,3],[2,3,4],[1,2,4]])b3 = np.unique(a3)for item in set(a2):print (item)
18.線性代數操作， 主要方法有dot(點乘), diag(返回方陣對角元素), trace（返回方陣的跡）, det(行列式),eig(f方陣特徵值和特徵向量), inv(方陣的逆), pinv(廣義逆), qr(QR分解), svd(奇異值分解), slove(解方程AX=B)。
19. 在Anconda中，針對向量和數組的處理是不同的，向量不分行向量和列向量，形式為size a(3, ) 是長度為3的向量；數組為size a(3,1)。在編程時，要注意區分，最好把向量轉為數組。
⑵ python如何將數組轉化成字元串
#數組為list，使用join函數
"".join(list)