1、加载numpy库，用numpy的zeros生成一个裹惹驾元素都是0的3*4*5的数组c，
c=np.zeros((3,4,5),dtype='i',order='C')中的dtype=‘i’表示类型为整数，order='C'表示内存存储元素顺序与C语言类似；如图所示
2、在数组c的基础上可以很容易生成全是1 的数组。
np.ones_like(c,dtype='f8',order='C')表示按照c的形状生成一个3*4*5的全部元素为1的数组，dtype='f8'表示指定类型为浮点数，order='C'表示内存存储元素顺序与C语言类型；如图所示
3、在数组c的基础上可以很容易生成全是任意数字的数组。
e=np.full_like(c,6)表示按照c的形状生成一个3*4*5的全部元素为6的数组e，如图所示
4、数组的清空。
np.empty_like(e)表示将数组e的所有元素都清空，如图所示
5、纯python VS numpy的效率比较（一）。
使用标准正态分诉荡布的伪随机数生成一个2000*2000的矩阵，使用纯python需要4.34秒，而numpy只需要155毫秒；如图所示
6、纯python VS numpy的效率比较（二）。
使用lambda计算矩阵所有元素的和，纯python需要737毫秒；付排而使用numpy的sum方法或者sum函数都只需要20毫秒左右；如图所示。
