1.常量 （1）两个numpy.nan是不相等的。 np.isnan(x) 对NaN逐个元素进行测试，并以布尔数组返回结果
np.count_nonzero(y) bool 可选 （2）常见的常量 2 数据类型 2.1 常见数据类型 timedelta64 表示两个时间之间的间隔 datetime64 日期时间类型 python的浮点数通常是64位浮点，几乎等同于np.float64.
3.时间日期和时间增量 3.1 datetime64是带单位的日期时间类型 2019-03和2019-03-01所表示的其实是同一个时间。
从字符串创建datetime64数组时，如果单位不统一，则一律转化成其中最小的单位。
使用arange()创建datetime64数组，用于生成日期范围。 3.2 datetime64和timedelta64 运算 timedelta64表示两个datetime64之间的的差。 timedelta64也是带单位的，并且和相减运算中的两个datetime64中较小的单位保持一致。 注意：生成timedelta64时，要注意年（‘Y）和（’M’)这两个单位无法和其他单位进行运算。
年月 天数小时 小时分钟 例子表示年和月无法和其他单位进行运算。
timedelta64的运算 3.3 datetime64的应用 Numpy包含一组‘busday’(工作日）功能 offset：指定的偏移量用于工作日，单位天（’D‘）。计算下一个工作日，如果当前日期为非工作日，默认报错。 引入forward，backword规则来避免报错。 取指定偏移量为0来获取当前日期向前或者向后最近的工作日， First adjusts the date to fall on a valid day according to the roll rule,then applies offsets to the given dates counted in valid days.
返回指定日期是否是工作日。 计算datetime64数组中工作日的天数。 count_nonezero np.is_busday
返回两个日期之前的工作日数量。 4.数组的创建 4.1.1 依据现有数据来创建ndarray (a)通过array()函数进行创建 （b)通过asarray()函数进行创建 array()和asarray()主要区别是当数据源是ndarray时，array()仍然会copy出一个副本，占用新的内存，但不改变dtype时，asarray()不会。
（c)通过fromfunction（）函数进行创建 def fromfunction(function, shape,**kwargs): lambda:匿名函数 4.2.2 依据ones和zeros填充方式 (a)零数组 zero()函数：返回给定形状和类型的零数组 zeros_like()函数：返回与给定数组形状和类型相同的零数组。 （b)1数组 1.ones()函数：返回给定形状和类型的1数组 2.ones_like()函数：返回与给定数组形状和类型相同的1数组。 4.2.3 空数组 1.empty()函数：返回一个空数组，数组元素为随机数。 2.empty_like()函数：返回与给定数组具有相同形状和类型的新数组。 4.2.4(d)单位数组 eye()函数：返回一个单位数组 identity()函数：返回一个方的单位数组 4.2.5（e)对角数组 4.2.6 常数数组 full()函数：返回一个常数数组。 full_like()函数：返回与给定数组具有相同形状和类型的常数数组。 4.3.3 利用数值范围来创建ndarray arange（）函数：返回给定间隔内的均匀间隔的值 linspace（）函数：返回指定间隔内的等间隔数字 logspace（）函数：返回数以对数刻度均匀分布 numpy.random.rand() 返回一个由[0,1)内随机数组成的数组 4.4.4 结构数组的创建 （a)利用字典来定义结构 5.数组的属性 1.numpy.ndarray.ndim 用于返回数组的维数,也称为秩， 2.numpy.nadarray.shape 表示数组的维度 3.numpy.nadarray.size 4.numpy.nadarray.dtype 5.numpy.ndarray.itemsize
