int(str,n)，其中str是字符串，n是进制，Eg：

>>> int('1101',2)
13

前者是引入numpy包中的所有类，后续代码中可以直接使用类的方法。后者是引入numpy包，如果需要使用同名类的方法，需要加类名。
Eg：

list1=[‘A’,‘A’,‘B’,‘B’]，访问时用索引，list1[2]=‘B’

下面的方法，如果是一维数组，没有太大问题，改变其中一位不会影响其他位：

>>> t=[0]*5
>>> t
[0, 0, 0, 0, 0]
>>> t[2]=1
>>> t
[0, 0, 1, 0, 0]

但如果是二维数组，如t=[[0]*3]*4，则后面的*4其实是复制了一个数组对象，这样的话，每行的数组对象都是一个对象，所以改变其中一行的某列，会同时改变所有行的该列。

>>> t=[[0]*3]*4
>>> t
[[0, 0, 0], [0, 0, 0], [0, 0, 0], [0, 0, 0]]
>>> t[0][0]=1
>>> t
[[1, 0, 0], [1, 0, 0], [1, 0, 0], [1, 0, 0]]

所以为多维数组赋值，最好写成这样：

>>> sig = [[0 for col in range(cols)] for row in range(rows)]

类似列表赋值，对于一维列表，可以使用b=a[:]来复制，这样改变b不会改变a，改变a也不会改变b。但是对于二维列表，需要用copy库的deepcopy了。

与列表基本相似，区别在于元组无法修改其中的元素（删除/替换etc）

字典中保存的是键值对
Eg：

>>> classCount={'A':2,'B':1}
>>> classCount
{'A': 2, 'B': 1}

类似于def，但是更简单
Eg：

>>> sum = lambda arg1, arg2: arg1 + arg2
>>> sum(10,20)
30

python3内置的排序函数，可对所有可迭代对象排序

sorted(item,cmp,key,reverse)

该函数主要有4个参数，依次是：可迭代对象item、比较函数cmp、比较的元素key、是否逆序（默认升序）
Eg：

>>> students = [('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]
>>> sorted(students, key=lambda s: s[2])            # 按年龄排序
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
 
>>> sorted(students, key=lambda s: s[2], reverse=True)       # 按降序
[('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]

>>> classCount={'A':1,'B':3}
>>> sortedClassCount=sorted(classCount.items(),key=lambda item:item[1],reverse=True)
>>> sortedClassCount
[('B', 3), ('A', 1)]

注意：

1. 自定义key和reverse比cmp执行效率高
2. sorted()返回一个列表(list)

最常用的2个参数，filename、mode，需要注意open后close
推荐写法：

#写
with open('test.txt', 'w', encoding='utf-8') as f:
    f.write('test')
#读
with open('test.txt', 'r', encoding='utf-8') as f:
    f.readlines()

读取所有行并返回列表

作用：把多维array变为一维

>>> x = np.array([[1, 2], [3, 4]])
>>> x
array([[1, 2],
       [3, 4]])
>>> x.flatten()
array([1, 2, 3, 4])
>>> x.ravel()
array([1, 2, 3, 4])

区别在于：ravel()函数，返回的是原先array的“引用“值，所以改变x.ravel()也会改变x，但改变x.flatten()不会改变x

作用：返回矩阵的维度，shape[0]是行，shape[1]是列
Eg：

>>> e=array([[1,1],[1,2],[1,3]])
>>> e
array([[1, 1],
       [1, 2],
       [1, 3]])
>>> e.shape
(3, 2)
>>> e.shape[0]
3

作用：把一个矩阵复制相应行、列
Eg：

>>> a=[1,2]
>>> tile(a,[2,3])
array([[1, 2, 1, 2, 1, 2],
       [1, 2, 1, 2, 1, 2]])

>>> a=mat([1,2])
>>> b=mat([1,2])
>>> multiply(a,b)
matrix([[1, 4]])

>>> c=array([1,2])
>>> c**2
array([1, 4])

a.sum(axis=1)是求矩阵a中每行的和，axis=0求每列的和，结果均为行向量

>>> a=array([[1,1],[1,2],[1,3]])
>>> a.sum(axis=1)
array([2, 3, 4])
>>> a.sum(axis=0)
array([3, 6])

默认按升序排序

# 对行向量
>>> a=array([1,2,3])
>>> a.argsort()
array([0, 1, 2])
# 对列向量
>>> b
matrix([[1],
        [2],
        [3]])
>>> b.argsort(axis=0)
matrix([[0],
        [1],
        [2]])
# TODO:对二维矩阵排序暂时没搞懂

返回0阵

>>> zeros((2,3))
array([[0., 0., 0.],
       [0., 0., 0.]])

min(0)返回每列最小值，min(1)返回每行最小值

>>> a
array([[1, 1],
       [2, 4],
       [3, 6]])
>>> a.max(0)
array([3, 6])

函数计算数组中元素最大值与最小值的差（最大值 - 最小值）
0求每列，1求每行

>>> a
array([[1, 1],
       [2, 4],
       [3, 6]])
>>> a.ptp(0)
array([2, 5])

hstack()按列合成，vstack()按行合成

>>> a
matrix([[1, 2],
        [1, 3]])
>>> b
matrix([[0],
        [0]])
>>> c=hstack((b,a))
>>> c
matrix([[0, 1, 2],
        [0, 1, 3]])

axis=0是删除行，axis=1是删除列

>>> a
matrix([[1, 1],
        [1, 2],
        [1, 3]])
>>> delete(a,1,axis=0)
matrix([[1, 1],
        [1, 3]])

>>> a
array([[  nan,   inf],
       [  nan,  -inf]])
>>> np.nan_to_num(a)
array([[ 0.00000000e+000,  1.79769313e+308],
       [ 0.00000000e+000, -1.79769313e+308]])

原型：

scatter(self, x, y, s=None, c=None, marker=None, cmap=None, norm=None,
                vmin=None, vmax=None, alpha=None, linewidths=None,
                verts=None, edgecolors=None,
                **kwargs):

Eg：
x有2种特征，y有多种取值，则可以通过

scatter(dataMat[:,1],dataMat[:,2],c=array(datingDataLabel))

绘制出不同颜色的点来表示y值