首先，安裝python的numpy庫，需要用到時，利用import numpy as np（以下都用np表示）

匯入txt資料： np.loadtxt('*.txt', delimiter=',') ， 這裡的檔案不限txt，如常用的csv也可以，後面delimiter為分隔符。另一種匯入資料方式可以直接用load，如對.npy資料集等。匯入後為陣列結構，之後可以類似matlab操作對資料取某些行列的值。

匯入後的shape為陣列的結構，如1000行資料，每個資料為28*28的，則為（1000， 28， 28）。取len時，為1000. ndim 為維度

對資料進行重構： np.reshape(x, (a, b, c, ...))

np.prod(x, axis=?)，對所有的陣列索引作乘積，多用於reshape中，如在輸入圖片時，將圖片平滑後輸入，prod(x_train.shape[1:])。

幾種數學操作：

argmax（a, axis=1）在第一軸上返回最大值的索引， a為array。

ones, zeros類似matlab操作。 sqrt不用多解釋了。

range(a, b, c)，後面兩個可選，選一個時求兩個端點的所有值（不包括後面的端點b）， 選兩個時第三個為步長。

np.random.normal(loc=, scale=, size= )，其中loc為mean，scale為標準差。

np.random.randn(2, 4)標準正態分佈

np.random.rand(2,3)均勻分佈      np.random,randint(1, 10， n)是n個隨機整數在1-10之間

np.clip(x, a, b)將x截斷到a與b之間

np.arange(1, 11)產生數列,可以之後reshape（注意是一個r，不是arrange）

np.array(list, dtype=np.float)直接定義資料型別

np.sin log sqrt

np.sum(axis=0,..ndim) 類似的還有max min等

對兩個陣列而言，可以分別對每個元素進行的操作有+-*/ ** 還有np.dot()求點積

np.concatenate(list1, list2)將兩個list合併，必要時加上axis， 即追加。還有np.vstack(), np,hstack()。當然還可以np.split(list, n)分成n份

列印陣列太大時，無法顯示所有，用np.set_printoptions(threshold='nan')

np.random.seed(i) 當i相同時產生相同的隨機序列

np.in1d(state, mask)可以過濾某些不滿足要求的資料

numpy轉化為tensorflow中tensor，tf.convert_to_tensor()