diff --git a/python_numpy.py b/python_numpy.py
new file mode 100644
index 0000000..83864d8
--- /dev/null
+++ b/python_numpy.py
@@ -0,0 +1,150 @@
+# _*_coding:utf-8-*_
+import numpy as np  
+# 定义矩阵变量并输出变量的一些属性
+# 用np.array()生成矩阵
+arr=np.array([[1,2,3],
+              [4,5,6]])  
+
+print(arr)
+print('number of arr dimensions: ',arr.ndim)
+print('~    ~    ~   shape: ',arr.shape)
+print('~    ~    ~   size: ', arr.size)
+
+# 输出结果：
+[[1 2 3]
+ [4 5 6]]
+number of arr dimensions:  2
+~    ~    ~   shape:  (2, 3)
+~    ~    ~   size:  6  
+
+# 定义一些特殊矩阵
+# 指定矩阵数据类型
+arr=np.array([[1,2,3],
+              [4,5,6]],
+              dtype=np.float64) # 我的电脑np.int是int32，还可以使用np.int32/np.int64/np.float32/np.float64
+print(arr.dtype)
+
+# 用np.zeros()生成全零矩阵
+arr_zeros=np.zeros( (2,3) )
+print(arr_zeros)
+
+# 用np.ones()生成全一矩阵
+arr_ones=np.ones( (2,3) )
+print(arr_ones)
+
+# 生成随机矩阵np.random.random()
+arr_random=np.random.random((2,3))
+print(arr_random)
+
+# 用np.arange()生成数列
+arr=np.arange(6,12)
+print(arr)
+
+# 用np.arange().reshape()将数列转成矩阵
+arr=np.arange(6,12).reshape( (2,3) )
+print(arr)
+
+# 用np.linspace(开始，结束，多少点划分线段)，同样也可以用reshape()
+arr=np.linspace(1,5,3)
+print(arr)
+
+# 矩阵运算
+arr1=np.array([1,2,3,6])
+arr2=np.arange(4)
+
+# 矩阵减法，加法同理
+arr_sub=arr1-arr2
+print(arr1)
+print(arr2)
+print(arr_sub)
+
+# 矩阵乘法
+arr_multi=arr1**3 # 求每个元素的立方，在python中幂运算用**来表示
+print(arr_multi)
+
+arr_multi=arr1*arr2 # 元素逐个相乘
+print(arr_multi) 
+
+arr_multi=np.dot(arr1, arr2.reshape((4,1))) # 维度1*4和4*1矩阵相乘
+print(arr_multi)
+
+arr_multi=np.dot(arr1.reshape((4,1)), arr2.reshape((1,4))) # 维度4*1和1*4矩阵相乘
+print(arr_multi)
+
+arr_multi=arr1.dot(arr2.reshape((4,1))) # 也可以使用矩阵名.doc(矩阵名)
+print(arr_multi)
+
+# 三角运算：np.sin()/np.cos()/np.tan()
+arr_sin=np.sin(arr1)
+print(arr_sin)
+
+# 逻辑运算
+print(arr1<3) # 查看arr1矩阵中哪些元素小于3，返回[ True  True False False]
+
+# 矩阵求和，求矩阵最大最小值
+arr1=np.array([[1,2,3],
+               [4,5,6]])
+print(arr1)
+print(np.sum(arr1)) # 矩阵求和
+print(np.sum(arr1,axis=0)) # 矩阵每列求和
+print(np.sum(arr1,axis=1).reshape(2,1)) # 矩阵每行求和
+
+print(np.min(arr1)) # 求矩阵最小值
+print(np.min(arr1,axis=0))
+print(np.min(arr1,axis=1))
+
+print(np.max(arr1)) # 求矩阵最大值
+
+print(np.mean(arr1)) # 输出矩阵平均值，也可以用arr1.mean()
+print(np.median(arr1)) # 输出矩阵中位数
+
+# 输出矩阵某些值的位置
+arr1=np.arange(2,14).reshape((3,4))
+print(arr1)
+
+print(np.argmin(arr1)) # 输出矩阵最小值的位置，0
+print(np.argmax(arr1)) # 输出矩阵最大值的位置，11
+
+print(np.cumsum(arr1)) # 输出前一个数的和，前两个数的和，等等
+print(np.diff(arr1)) # 输出相邻两个数的差值
+
+arr_zeros=np.zeros((3,4))
+print(np.nonzero(arr_zeros)) #输出矩阵非零元素位置，返回多个行向量，第i个行向量表示第i个维度
+print(np.nonzero(arr1))
+
+print(np.sort(arr1)) # 矩阵逐行排序
+print(np.transpose(arr1)) # 矩阵转置，也可以用arr1.T
+
+print(np.clip(arr1,5,9)) #将矩阵中小于5的数置5，大于9的数置9  
+
+# numpy索引
+arr1=np.array([1,2,3,6])
+arr2=np.arange(2,8).reshape(2,3)
+
+print(arr1)
+print(arr1[0]) # 索引从0开始计数
+
+print(arr2)
+print(arr2[0][2]) # arr[行][列]，也可以用arr[行,列]
+print(arr2[0,:]) # 用:来代表所有元素的意思
+print(arr2[0,0:3]) # 表示输出第0行，从第0列到第2列所有元素
+                   # 注意python索引一般是左闭右开
+
+# 通过for循环每次输出矩阵的一行
+for row in arr2:
+    print(row)
+
+# 如果要每次输出矩阵的一列，就先将矩阵转置
+arr2_T=arr2.T
+print(arr2_T)
+for row in arr2_T:
+    print(row)
+
+# 将矩阵压成一行逐个输出元素
+arr2_flat=arr2.flatten()
+print(arr2_flat)
+
+for i in arr2.flat: # 也可以用arr2.flatten()
+    print(i)
+
+