◄　matplotlib.pyplot.quiver（）　绘制箭头图

◄　numpy.add（）　向量／矩阵加法

◄　numpy.arccos（）　计算反余弦

◄　numpy.array（[[4,3]]）　构造行向量，注意双重方括号

◄　numpy.array（[[4,3]]）.T　行向量转置得到列向量，注意双重方括号

◄　numpy.array（[[4], [3]]）　构造列向量，注意双重方括号

◄　numpy.array（[4, 3]）[:, None]　构造列向量

◄　numpy.array（[4, 3]）[:, numpy.newaxis]　构造列向量

◄　numpy.array（[4, 3]）[None, :]　构造行向量

◄　numpy.array（[4, 3]）[numpy.newaxis, :]　构造行向量

◄　numpy.array（[4,3]）　构造一维数组，严格来说不是行向量

◄　numpy.array（[4,3]）.reshape（（-1, 1））　构造列向量

◄　numpy.array（[4,3]）.reshape（（1, -1））　构造行向量

◄　numpy.array（[4,3], ndmin=2）　构造行向量

◄　numpy.cross（）　计算列向量或行向量的向量积

◄　numpy.dot（）　计算向量内积。值得注意的是，如果输入为一维数组，则numpy.dot（）输出结果为向量内积；如果输入为矩阵，则numpy.dot（）输出结果为矩阵乘积，相当于矩阵运算符@

◄　numpy.linalg.norm（）　默认计算L2范数

◄　numpy.multiply（）　计算向量逐项积

◄　numpy.ones（）　生成全1向量／矩阵

◄　numpy.r_[]　将一系列数组合并；'r'设定结果以行向量（默认）　展示，如numpy.r_[numpy.array（[1,2]）, 0, 0, numpy.array（[4,5]）]默认产生行向量

◄　numpy.r_[‘c’, [4,3]]　构造列向量

◄　numpy.subtract（）　向量／矩阵减法

◄　numpy.vdot（）　计算两个向量的向量内积。如果输入是矩阵，则矩阵会按照先行、后列的顺序展开成向量之后，再计算向量内积

◄　numpy.zeros（）　生成全0向量/矩阵

◄　scipy.spatial.distance.cosine（）　计算余弦距离

◄　zip（*）　将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。*代表解包，返回的每一个都是元祖类型，而并非是原来的数据类型