大数据分析应用关注的功能点：
1、用于数据整理和清理、子集构造和过滤、转换等快速的矢量化数组运算
2、常用的数组算法，如排序、唯一化、集合运算等
3、高效的描述统计和数据聚合/摘要运算
4、用于异构数据集的合并/连接运算的数据对其和关系型数据运算
5、将条件逻辑表述为数组表达式（而不是带有if-elif-else分支的循环）
6、数据的分组运算（聚合、转换、函数应用等）
ndarray：一种多维数组对象
每个数组都有一个shape（一个表示各维度大小的元组）和一个dtype（一个明确数组类型的对象）
创建ndarray
使用array函数创建；
zeros/ones分别可以创建指定长度或形状的全0或全1数组；
empty可以创建一个没有任何具体值的数组；
arange是range函数的数组版
数组创建函数
ndarray的数据类型
可以通过narray的astype方法转换dtype；
如果将浮点型转换成整数，则小数部分会被截断；
如果字符串数组表示的全是数字，也可以用astype将其转换成数值形式
数组和标量之间的计算
基本的索引和切片
将一个标量值赋值给一个切片时，该值会自动传播到整个选区；跟列表最重要的区别在于，数组切片是原始数组的视图，视图上的任何修改都会反映到源数组上
切片索引
切片是沿着一个轴向选取元素的；
注意，“只有冒号”表示选取整个轴
布尔型索引
要选择除某个值意外的其他值，可以使用！=，也可以使用~对条件进行否定
要选取多个关键词，可以用布尔条件，使用&、|之类的布尔算数运算符
通过布尔型索引选取数组中的数据，将总是创建数据的副本，即使返回一模一样的数组也是如此；
通过布尔型数组设置值是一种常用的手段
花式索引
指的是利用整数数组进行索引
为了以特定顺序选取行子集，只需传入一个用于指定顺序的整数列表或ndarray即可
数轴转置和轴对换
矩阵计算用的比较多
通用函数：快速的元素级数组函数
利用数组进行数据处理
将条件逻辑表述为数组运算
数学和统计方法
用于布尔型数组的方法
排序
sort方法
唯一化以及其他的集合逻辑
最常用的：np.unique
用于数组的文件输入输出
将数组以二进制格式保存到磁盘
np.save和np.load
默认情况下，数组是以未压缩的原始二进制格式保存在.npy文件中
存取文本文件
!type,np.loadtxt,np.savetxt,getfromtxt（面向的是结构化数组和缺失数据处理）
线性代数
随机数生成
