前言：
在motplotlib的学习过程中，我们使用最多的就是numpy模块。
numpy 模块被称为 matplotlib 模块绘制图表伴侣。
xdm,接下来我们来对 matplotlib 伴侣-numpy 模块相关知识的学习
numpy 模块是 Python 支持对大量数组进行科学计算的第三方库。
numpy 模块在numpy官网文档中详细描述了numpy模块提供许多对多维数组对象、矩阵快速操作快速操作的功能。
numpy 模块为开源代码，目前官网已经更新到1.22.0版本。
github源码链接，对其源码感兴趣的兄弟们可以康康哈~
numpy 模块通常与matplotlib（绘图库） 一起使用。
在matplotlib绘制图表前进行对数据进行计算处理。
由于numpy 模块是Python提供对数据处理的第三库，需要使用pip install来安装
pip install numpy
在代码中，我们需要使用import 来进行导入
import numpy as np
numpy 模板的核心是ndarray对象,这个对象封装同种类型的n维数组,将许多操作留在编译代码中执行，进而提高性能。
numpy array 与 python 内置的list区别点：
numpy 数组在创建时是固定大小，python list列表大小是动态变化的。如果要更改ndarray的大小则是将原始数组删除后重新创建新的数组python list 可以允许不同类型的元素存在。Python list更高numpy 模块善于对大量数据进行科学计算，因此它不仅提供多维的数组对象array,还有通用函数方法等。
目前，我们此文章先介绍numpy 模块中常用的方法哈
| 方法 | 作用 |
|---|---|
| numpy.array(item) | 创建数组对象（可创建N维数组） |
| numpy.arange(num) | 创建等差数组 |
| numpy.random.randn(d0,d1,…,dn) | 创建随机正态分布 |
| numpy.dtype() | 创建自定义数据类型 |
| numpy.random.rand(d0,d1,…,dn) | 创建0~1的数据 |
| numpy.random.randint(low,high) | 创建给定范围的随机整数 |
| numpy.random.random_integers(low,high) | 返回给定范围随机整数 |
| numpy.random.random(size) | 随机生成0,1之间的浮点数 |
| numpy.random.choice(a,size) | 从给定的一维数组中生成随机数 |
| numpy.random.seed() | 提前得知随机数据 |
| numpy.linespcae() | 创建线性数组 |
| numpy.sort() | 对数组数据进行排序 |
本期，我们将使用numpy进行创建数组、切片、索引、广播等功能实操
# 创建一个三维数组
arr = np.array([[0,0,0],[2,3,9],[1,2,3]])
# numpy通过索引或者切片来访问，arr[start:stop:step]
print("切片a[1:]:\n",arr[1:])
# 广播功能，两个数组进行➕
b = np.array([2,5,7])
print("arr+b:\n",arr+b)总结：
本期，我们对matplotlib绘图模块伴侣-numpy模块进行认识和了解。numpy 模块提供的数组对象让其在多维数据数学运算比Python内置方法更加高效。
