學習彙總：點這裏
1.改變陣列形狀
數組的形狀由沿每個軸的元素數確定，數組的形狀可以使用各種命令來更改。請注意，以下三個命令均返回修改後的數組，但不更改原始數組：
>>> a = np.floor(10*np.random.random((3,4)))
>>> a
array([[ 2., 8., 0., 6.],
[ 4., 5., 1., 1.],
[ 8., 9., 3., 6.]])
>>> a.shape
(3, 4)
>>> a.ravel() # 將數組轉換爲一維數組
array([ 2., 8., 0., 6., 4., 5., 1., 1., 8., 9., 3., 6.])
>>> a.reshape(6,2) # 轉換數組的格式爲（i,j）
array([[ 2., 8.],
[ 0., 6.],
[ 4., 5.],
[ 1., 1.],
[ 8., 9.],
[ 3., 6.]])
>>> a.T # 輸出翻轉的數組
array([[ 2., 4., 8.],
[ 8., 5., 9.],
[ 0., 1., 3.],
[ 6., 1., 6.]])
>>> a.T.shape
(4, 3)
>>> a.shape
(3, 4)
上例reshape函數以修改後的形狀返回其參數，而存在另外一種ndarray.resize方法修改了數組本身來改變數組的形狀。
>>> a
array([[ 2., 8., 0., 6.],
[ 4., 5., 1., 1.],
[ 8., 9., 3., 6.]])
>>> a.resize((2,6))
>>> a
array([[ 2., 8., 0., 6., 4., 5.],
[ 1., 1., 8., 9., 3., 6.]])
2.堆疊在一起的不同陣列
幾個數組可以沿着不同的軸堆疊在一起：
>>> a = np.floor(10*np.random.random((2,2)))
>>> a
array([[ 8., 8.],
[ 0., 0.]])
>>> b = np.floor(10*np.random.random((2,2)))
>>> b
array([[ 1., 8.],
[ 0., 4.]])
>>> np.vstack((a,b)) # 沿豎直方向疊加
array([[ 8., 8.],
[ 0., 0.],
[ 1., 8.],
[ 0., 4.]])
>>> np.hstack((a,b)) # 沿水平方向疊加
array([[ 8., 8., 1., 8.],
[ 0., 0., 0., 4.]])
>>> np.column_stack((a,b)) # 1D數組作爲列堆疊到2D數組中
array([[ 8., 8., 1., 8.],
[ 0., 0., 0., 4.]])
>>> from numpy import newaxis
>>> a = np.array([4.,2.])
>>> b = np.array([3.,8.])
>>> np.column_stack((a,b)) # returns a 2D array
array([[ 4., 3.],
[ 2., 8.]])
>>> np.hstack((a,b)) # the result is different
array([ 4., 2., 3., 8.])
>>> a[:,newaxis] # this allows to have a 2D columns vector
array([[ 4.],
[ 2.]])
>>> np.column_stack((a[:,newaxis],b[:,newaxis]))
array([[ 4., 3.],
[ 2., 8.]])
>>> np.hstack((a[:,newaxis],b[:,newaxis])) # the result is the same
array([[ 4., 3.],
[ 2., 8.]])
另外函數row_stack等效vstack 於任何輸入數組。實際上，row_stack是的別名vstack。同時注意
在複雜的情況下，r_並且 c_是用於通過沿一個軸堆疊號碼創建陣列有用的。它們允許使用範圍文字（“：”）
3.將一個數組拆分爲幾個較小的數組
使用hsplit，您可以沿數組的水平軸拆分數組，方法是指定要返回的形狀相同的數組的數量，或者指定要在其後進行劃分的列。vsplit沿垂直軸分割，並array_split允許指定沿哪個軸分割。
>>> a = np.floor(10*np.random.random((2,12)))
>>> a
array([[ 9., 5., 6., 3., 6., 8., 0., 7., 9., 7., 2., 7.],
[ 1., 4., 9., 2., 2., 1., 0., 6., 2., 2., 4., 0.]])
>>> np.hsplit(a,3) # Split a into 3
[array([[ 9., 5., 6., 3.],
[ 1., 4., 9., 2.]]), array([[ 6., 8., 0., 7.],
[ 2., 1., 0., 6.]]), array([[ 9., 7., 2., 7.],
[ 2., 2., 4., 0.]])]
>>> np.hsplit(a,(3,4)) # Split a after the third and the fourth column
[array([[ 9., 5., 6.],
[ 1., 4., 9.]]), array([[ 3.],
[ 2.]]), array([[ 6., 8., 0., 7., 9., 7., 2., 7.],
[ 2., 1., 0., 6., 2., 2., 4., 0.]])]
4.複製
在操作和操作數組時，有時會將其數據複製到新數組中，有時不復制。對於初學者來說，這通常會引起混亂。有以下三種情況：
1.完全沒有複製
#簡單分配不會複製數組對象或其數據
>>> a = np.arange(12)
>>> b = a # no new object is created
>>> b is a # a and b are two names for the same ndarray object
True
>>> b.shape = 3,4 # changes the shape of a
>>> a.shape
(3, 4)
#Python將可變對象作爲引用傳遞，因此函數調用不會複製。
>>> def f(x):
... print(id(x))
...
>>> id(a) # id is a unique identifier of an object
148293216
>>> f(a)
148293216
2.查看或淺拷貝（不同的數組對象可以共享相同的數據。該view方法創建一個查看相同數據的新數組對象。切片數組返回其視圖。）
>>> c = a.view()
>>> c is a
False
>>> c.base is a # c is a view of the data owned by a
True
>>> c.flags.owndata
False
>>>
>>> c.shape = 2,6 # a's shape doesn't change
>>> a.shape
(3, 4)
>>> c[0,4] = 1234 # a's data changes
>>> a
array([[ 0, 1, 2, 3],
[1234, 5, 6, 7],
[ 8, 9, 10, 11]])
>>> s = a[ : , 1:3] # spaces added for clarity; could also be written "s = a[:,1:3]"
>>> s[:] = 10 # s[:] is a view of s. Note the difference between s=10 and s[:]=10
>>> a
array([[ 0, 10, 10, 3],
[1234, 10, 10, 7],
[ 8, 10, 10, 11]])
3.深度複製（該copy方法對數組及其數據進行完整複製。有時copy應該如果不再需要原來的數組切片後調用。）
>>> d = a.copy() # a new array object with new data is created
>>> d is a
False
>>> d.base is a # d doesn't share anything with a
False
>>> d[0,0] = 9999
>>> a
array([[ 0, 10, 10, 3],
[1234, 10, 10, 7],
[ 8, 10, 10, 11]])
函數和方法概述
這是一些有用的NumPy函數和方法名稱的列表，這些函數和方法的名稱按類別排序。有關完整列表，請參見例程。
數組創建
arange， array， copy， empty， empty_like， eye， fromfile， fromfunction， identity， linspace， logspace， mgrid， ogrid， ones， ones_like， r_， zeros， zeros_like
轉換次數
ndarray.astype， atleast_1d， atleast_2d， atleast_3d， mat
操作方式
array_split， column_stack， concatenate， diagonal， dsplit， dstack， hsplit， hstack， ndarray.item， newaxis， ravel， repeat， reshape， resize， squeeze， swapaxes， take， transpose， vsplit， vstack
問題
all， any， nonzero， where
定購
argmax， argmin， argsort， max， min， ptp， searchsorted， sort
運作方式
choose， compress， cumprod， cumsum， inner， ndarray.fill， imag， prod， put， putmask， real， sum
基本統計
cov， mean， std， var
基本線性代數
cross， dot， outer， linalg.svd， vdot