array.ndim = 几维

array.shape =几行，几列

array.size = 存在多少个元素 

np.array = 转化为矩阵 

dtype = 确定类型，并且确定精度64？32？16？数字越小，越不精确 

二维 

np.zeros = 生成零矩阵，并且规定几行几列

np.ones = 生成为1的矩阵

 np.arange（起始，末尾，走多少步），包头不包尾

np.linspace(起始，末尾，平均分成多少段）.reshape（（重新分配成几行几列的矩阵））

 np.arange(默认从0开始，且不包头包尾，从0到12，不包含12).reshape((重新分配为几行几列))

加减平方都是逐项加减平方

特别的，平方符号：** 

print（b<3） :判断b矩阵里面的每个数字是否小于3

print（b==3） :判断b矩阵里面的每个数字是否等于3

若是c=a*b:就是逐项相乘 

 若是np.dot(a,b):就是线性代数里面的矩阵相乘，也可以写成a.dot(b)

 np.random.random((几行jilie))：生成0-1之间的随机数

axis = 0 列的操作

axis = 1 行的操作

np.argmin():求A的最小值的元素的索引

np.argmax()：求A的最大值的元素的索引

np.mean(A)

A.mean() 

np.average(A)

都是求整个矩阵的所有元素的平均值

np.median(A):求矩阵的中位数 

np.cumsum(A):逐步累加

np.diff(A):3和2之间的差为1 ，4和3之间的差为1，5和4之间的差为1 

 

np.nonzero(A):比如A的第一个数字，他在第一行第一列

np.sort(A):每一行重新排序， 按照从小到大来排序 

np.transpose(A)与A.T：矩阵的转置 

np.clip(A,min,max)：A:切哪个矩阵，min：所有小于5的数字都变成5，max：所有大于9的数字都变成9 

加上axis，就可以对行或者对列进行计算