教程：NumPy教程
閱讀筆記：
1.1 axis
ndarray是一個(gè)多維數(shù)組，比如我們有一個(gè)（2,4,3）這樣維度的數(shù)組僧凰，它表示：有2個(gè)數(shù)組探颈，每一個(gè)數(shù)組的維度為4行*3列：
取axis = 0時(shí)，就相當(dāng)于所求的數(shù)組的結(jié)果變成shape（2训措，4）
取axis = 1時(shí)伪节，數(shù)組的結(jié)果shape（3，4）
取axis = 2時(shí)绩鸣，數(shù)組的結(jié)果shape（3怀大，2）
1.2 多維數(shù)組的操作
ndarray.shape
ndarray.ndim
ndarray.reshape
numpy.itemsize(每個(gè)元素類型的字節(jié)長度)
1.3 創(chuàng)建數(shù)組
np.empty
np.zeros
np.ones
從已有的數(shù)組創(chuàng)建:
numpy.asarray
numpy.frombuffer
numpy.fromiter（來自任何可迭代對象）
來自數(shù)值范圍內(nèi)的數(shù)據(jù)：
numpy.arange（給定范圍等間隔，默認(rèn)從0開始呀闻，坐閉右開）
numpy.linspace（給定范圍和均勻間隔數(shù)量化借，左閉右閉）
numpy.logspace（對數(shù)刻度上均勻分布，base的start次冪~base的stop次冪）
1.4 切片
slice(start,stop,step)
多維ndarray切片：
高級和基本索引可以通過使用切片:或省略號...與索引數(shù)組組合捡多。
a = np.array([np.nan, 1,2,np.nan,3,4,5])
print a[~np.isnan(a)] #過濾Nan
1.5 數(shù)組上的迭代
numpy.nditer
1.6 數(shù)組操作
修改形狀
numpy.reshape
numpy.ndarray.flat（返回?cái)?shù)組上的一維迭代器）
numpy.ndarray.flatten（返回折疊為一維的數(shù)組副本蓖康，返回一個(gè)拷貝副本，內(nèi)容物理存儲(chǔ)在另一個(gè)位置垒手，修改副本不會(huì)影響原數(shù)組）
numpy.ravel（也是將多維數(shù)組降為一維蒜焊，但是返回的是view,相同內(nèi)存內(nèi)容的不同視圖，修改會(huì)影響原數(shù)組）
翻轉(zhuǎn)操作
numpy.transpose
numpy.ndarray.T
numpy.rollaxis（numpy.rollaxis的理解）
numpy.swapaxes（交換兩個(gè)軸）
修改維度
numpy.broadcast
numpy.broadcast_to
numpy.expand_dims（指定位置插入新的軸）
numpy.squeeze（指定位置刪除一維條目）
數(shù)組連接
numpy.concatenate（沿指定軸連接相同形狀的兩個(gè)或多個(gè)數(shù)組）
numpy.stack（沿新軸連接數(shù)組）
numpy.hstack（水平堆疊）
numpy.vstack（豎直堆疊）
數(shù)組分割：
numpy.split
numpy.hsplit
numpy.vsplit
添加/刪除元素
numpy.resize
numpy.append
numpy.insert（未提供軸時(shí)插入會(huì)展開原數(shù)組）
numpy.delete
1.7 位操作
numpy.bitwise_and (與)
numpy.bitwise_or（或）
numpy.invert（取反科贬，有符號的整數(shù)返回補(bǔ)碼）
numpy.left shift（左移泳梆，右補(bǔ)0）
numpy.right_shift（右移，左補(bǔ)0）
1.8 字符串函數(shù)（封裝在numpy.char中）
numpy.char.add（字符串連接）
numpy.char.multiply
numpy.char.center
numpy.char.capitalize
numpy.char.title（首字母大寫）
numpy.char.lower
numpy.char.split
numpy.char.splitlines
numpy.char.strip
numpy.char.join
numpy.char.replace
numpy.char.decode
numpy.char.encode
1.9 算數(shù)函數(shù)
三角函數(shù)
numpy.around
numpy.floor（向上取整）
numpy.ceil（向上取整）
1.10 算術(shù)運(yùn)算
numpy.reciprocal（取倒數(shù)）
numpy.power
numpy.mod（余數(shù)）= numpy.remainder()
1.11 統(tǒng)計(jì)運(yùn)算
numpy.amin
numpy.amax
numpy.ptp（沿軸方向的最大值-最小值）
numpy.percentile
numpy.median
numpy.mean
numpy.average
