默认执行了import numpy as np 并用numpy模块生成了变量名为arr的numpy.array数组对象
2.1 数组的形状变换函数
2.1.1 np.reshape和arr.reshape
- np.reshape(a, newshape, order="C")
- a：array_like，变换前的数组
- newshape：int或int元组或列表；指定变换后的shape
- int：一维数组
- int元组：为指定的shape
- order：{“C”,“F”,“A”} Default “C” ;根据指定的模式读取索引并对数组进行重塑
- arr.reshape(newshape, order="C")
- np.reshape和arr.reshape两者达到的效果是一样的
- reshape是(n, -1) 或者(-1, m)形状，会自动匹配成(n, m)，如果没有对应的m或n存在，或者变形前(n_0, m_0)和变形后(n_1, m_1)的元素数量不一致，程序会报错
- 变形前后的ndarray中的元素是共享内存的，因此对变形后的任意个ndarray的某个元素进行修改，会导致其他对应的ndarray的元素同时被修改。
- order参数默认为”C”，为”F”会首先对高纬度元素的索引进行变形
- arr.reshape参数shape可以是元组，列表，也可以拆分成俩个int参数。
2.1.2 np.resize和arr.resize
resize函数和reshape函数大致一样，都是更改数组形状，但是本质上还是有较大区别。
- np.resize(a, newshape)
- return：返回经过形状变化后的新数组，原数组a不变，不共享内存
- arr.resize(newshape, refcheck=False)
- return：就地修改，无返回值
2.2 添加元素到数组末尾的函数
- np.append(arr, values, axis=None)
- values：用于指定需要添加的元素或数组
- axis：（可以省略）初始值为None。指定在哪个坐标轴方向上使用append函数进行运算
- return：返回添加元素之后得到的ndarray
2.3 数组的真假值判断函数
在NumPy中，包含使用ndarray元素对真假值进行判断的np.all和np.any两个很方便的函数
- np.all：元素全为True返回True，否则为False
- np.any：任意一个元素为True返回True，否则为False
语法
参数名 | 类型 | 概要 |
a | array_like | 用于指定输入的数组或可以变换成数组的对象 |
axis | None、int或int元组 | （可选）初始值为None，用于指定从哪个坐标轴方向上对元素进行访问 |
out | ndarray | (可选）初始为None，用于指定保存结果的数组 |
Keepdims | bool值 | （可选）初始为False，用于指定在输出结果时，对于元素数量为1的维度是否也原样保留。如果指定为True，针对原有的数组自动使用广播机制进行计算 |
注意，np.all()中既可以是array_like对象，也可以是关于array_like对象的表达式。
2.4 指定条件获取元素索引函数
- np.where(condition, [x, y])
- return：所提取的ndarray元素的索引或者指定x,y的新数组
参数名 | 类型 | 概要 |
condition | array_like或bool值 | 用于指定条件或bool值 |
x,y | array_like | (可选)对于condition指定的条件或bool值，如果指定True，返回x；如果指定False，返回y。x、y的shape与原有的数组自动对齐（指定时需要同时对x、y进行指定） |
在讲获取目标元素的索引之前，先看下如何在数组中通过在索引部分给定条件获取目标元素
使用np.where函数获取的返回值是索引，不是索引对应的数值。
上面的二维数组的返回值可能会让你感到困惑，实际上取得的同样是索引，即获得的是行索引和列索引，组合着看就明白了。
np.where的三元运算符
可以灵活的运用x和y，对数组中元素满足条件的和不满足条件的元素的返回值进行指定，就会返回将该返回值作为元素的新的数组。需要注意的是，x和y必须同时指定。
2.5 最值筛选函数
语法
amax、max和amin、min函数只有返回值是不同的，而使用方法是完全相同的。
参数名 | 类型 | 概要 |
a | array_like | 用于取得最值的数组 |
axis | int | （可选）初始为None，用于指定需要求取最小值的坐标轴方向。没有，则返回整个数组的最值 |
out | array_like | （可选）初始为None，指定用于保存返回值的数组或变量 |
keepdims | bool值 | （可选）初始为No Value，如果指定，将保留和原有数组相同的维度 |
对np.NaN处理
只要元素中出现一个元素包含NaN属性，程序就会将NaN作为最值返回（最大或最小都是它）。如果要忽略掉NaN，就需要使用np.nanmax和np.nanmin函数。
2.6 返回数组中最值的索引函数
语法
2.7 数组转置函数
在数学中，对使用的一维向量有着明确的说明，对行向量进行转置，就会变成列向量。然而在NumPy中，对于一维向量是行向量还是列向量并没有进行明确区分。因此，即使调用transpose函数对一维向量进行转置，也不会发生任何变化。
当然使用transpose函数对二维或者更高维度的数组进行转置时，数组中的元素就会发生变化。
对于转置，可以通过np.transpose、arr.transpose和arr.T这三个函数来实现
参数名 | 类型 | 概要 |
arr | array_like | 指定需要转置的数组 |
axes | int的元组或n个并列的int | （可选）用于指定经过转置后的坐标轴（axis）的切换方法。不做任何指定，就会返回将坐标轴的 |
最后，arr.T是不需要对参数进行指定的arr.transpose()函数，可以像属性一样使用.
2.8 排序函数
语法：
kind参数
可选参数kind，初始值为“quiksort”，用于指定对数据进行排序的算法。包括“quicksort”、“mergsort”、“heapsort”这3种。
1、quicksort
quicksor算法是基于某个阈值对前后的元素进行互换，反复进行分割的同时实现数据排序的一种方法。这个算法非常实用，而且排序所需要的平均处理时间是最少的。如果是均匀分布的数组进行排序，时间复杂度为O(N log N).
2、mergesort
mergesort算法是通过对分割后的数组再次进行分割，并对分割后的数组进行合并的方式实现排序的一种算法。使用这个算法，即使数组不是均匀分布的，也可以在稳定的处理时间内实现对数组的排序。时间复杂度为O(N log N).
3、heapsort
heapsort算法首先将数组中的元素暂时保存在堆树中，然后再从最大的（最小）元素开始顺序地对元素进行提取的一种排序算法。所谓的最大堆结构，属于一种二叉树结构，它的每个父节点的值都必须大于其左右节点的值。这一算法的时间复杂度为O(N log N).
order参数
order参数可以指定需要按照哪个字段进行排序。
2.9 数组拼接函数
语法
参数名 | 类型 | 概要 |
tup | ndarray的元组 | 用于指定需要拼接的数组 |
在对于三维数组，水平拼接，还是在axis=1方向进行拼接，纵向拼接，也还是在axis=0上进行拼接。
2.10 数组扁平化
数组的扁平化的意思就是将多维数组转化为一维数组，通过arr.flatten和arr.ravel函数
在性能上，arr.ravel函数要比arr.flatten函数执行速度更快，这是因为flatten函数分配了新的内存，而ravel函数的内存地址还是原来的内存地址。
对于需要对大量数据进行处理，即使进行了破坏性的修改也不会有什么影响，因此使用ravel这个函数可以有效地提升程序性能。
对于[[1, 2], [3, 4], [5, 6]]这中嵌套列表，一次遍历列表中每个元素，可以通过本节内容先扁平化，在进行遍历