numpy数组操作包括以下几类：
修改数组形状
反转数组
修改数组维度
连接数组
分割数组
数组元素的添加与删除
修改数组形状
函数 描述
reshape 不改变数据的条件下修改形状
flat 数组元素迭代器
flatten 返回一份数组拷贝，对拷贝所做的修改不会影响原始数组
ravel 返回展开数组
numpy.reshape
numpy.reshape函数可以在不改变数据的条件下改变形状，格式如下：
numpy.reshape(arr,newshape,order='C)
arr：要修改形状的数组
newshape:整数或者整数数组，新的形状应当兼容原有形状
order：‘C’按行，‘A’原顺序，‘k’元素在内存中的出现顺序。
实例：
import numpyas np
a=np.arange(8)
print(a)
b=a.reshape(4,2)
print(b)
numpy.ndarray.flat是一个数组元素迭代器
实例：使用flat属性迭代元素
import numpyas np
a=np.arange(9).reshape(3,3)
for rowin a:
print(row)
#使用flat属性，该属性是一个数组元素迭代器：
for elementin a.flat:
print(element)
numpy.ndarray.flatten
numpy.ndarray.flatten返回一份数组拷贝，对拷贝所做的修改不会影响原始数组，格式如下：
ndarray.flatten(order='C')
参数说明：
order：'C'按行，‘F’按列，‘A’原顺序，‘K’元素在内存中的出现顺序
实例：
import numpyas np
a=np.arange(8).reshape(2,4)
print(a)
print(a.flatten())
print(a.flatten(order='F'))
numpy.ravel
numpy.ravel()展平的数组元素，顺序通常是“C风格”，返回的是数组视图（view，有点类似C/C++引用reference的意味）,修改会影响原始数组。
该函数接收两个参数：
numpy.ravel(a,order='C')
参数说明：
order：‘C’按行，‘F’：按列，‘A’原顺序，‘K’：元素在内存中的出现顺序。
实例：ravel应用
import numpyas np
a=np.arange(8).reshape(2,4)
print(a)
b=a.ravel()
print(b)
c=a.ravel(order='F')
print(c)
翻转数组
函数 描述
transpose 兑换数组的维度
ndarray.T 和self.transpose()相同
rollaxis 向后滚动指定的轴
swapaxes 兑换数组的两个轴
numpy.transpose
numpy.transpose函数用于兑换数组的维度，格式如下：
numpy.transpose(arr,axes)
参数说明
arr：要操作的数组
axes:整数列表，对应维度，通常所有维度都会对换。
实例：respose应用
import numpyas np
a=np.arange(8).reshape(2,4)
print(a)
print(np.transpose(a))
numpy.ndarray.T和numpy.transpose类似：
实例：numpy.ndarray.T的应用
import numpyas np
a=np.arange(12).reshape(3,4)
print('原始数组：')
print(a)
print('转置数组：')
print(a.T)
numpy.rollaxis
numpy.rollaxis函数向后滚动特定的轴到一个特定位置，格式如下：
numpy.rollaxis(arr,axis,start)
参数说明：
arr:数组
axis：要向后滚动的轴，其它轴的相对位置不会改变
start：默认为0，表示完整的滚动。会滚动到特定位置。
实例：rollaxis的应用
import numpyas np
a=np.arange(8).reshape(2,2,2)
print("原始数组是:")
print(a)
print('调用rollaxis函数:')
print(np.rollaxis(a,2))
print('调用rollaxis函数:')
print(np.rollaxis(a,2,1))
numpy.swapaxes
numpy.swapaxes函数用于交换数组的两个轴，格式如下：
numpy.swapaxes(arr,axs1,axis2)
arr:输入的数组
axis1:对应第一个轴的整数
axis2：对应第二轴的整数
实例：swapaxes的应用
import numpyas np
a=np.arange(8).reshape(2,2,2)
print('原始数组是：')
print(a)
print('调用swapaxes函数后的数组：')
print(np.swapaxes(a,2,0))
修改数组维度
维度 描述
broadcast 产生模仿广播的对象
broadcast_to 将数组广播到心形状
expand_dims 扩展数组的形状
squeeze 从数组的形状中删除一维条目
实例：使用broadcast广播
import numpyas np
x=np.array([[1],[2],[3]])
y=np.array([4,5,6])
b=np.broadcast(x,y)
print('对y广播x:')
r,c=b.iters
print(next(r),next(c))
print(next(r),next(c))
print('广播对象的形状:')
print(b.shape)
#手动使用broadcast将x和y相加
c=np.empty(b.shape)
print('手动使用broadcast将x和y相加：')
print(c.shape)
c.flat=[u+vfor (u,v)in b]
print('调用flat函数：')
print(c)
print('\n')
print('x与y的和：')
print(x+y)
numpy.broadcast_to
numpy.broadcast_to函数将数组广播到新形状。它在原始数组上返回只读视图。它通常不连续。如果新形状不符合numpy的广播规则，该函数可能会抛出valueError。
numpy.broadcast_to(array,shape,subok)
实例：broadcast_to应用
import numpyas np
a=np.arange(4).reshape(1,4)
print('原始数组:')
print(a)
print('调用broadcast_to函数后：')
print(np.broadcast_to(a,(4,4)))
numpy.expand_dims
numpy.expand_dims函数通过在指定位置插入新的轴来扩展数组形状，函数格式如下：
numpy.expand_dims(arr,axis)
参数说明：
arr:输入数组
axis：新轴插入的位置
实例：维度不一插入
import numpyas np
x=np.array(([1,2],[3,4]))
print('数组x：')
print(x)
y=np.expand_dims(x,axis=0)
print('数组y:')
print(y)
print('数组x和数组y的维度：')
print(x.ndim,y.ndim)
print('数组x和数组y的形状：')
print(x.shape,y.shape)
print('在位置1插入轴后的数组y:')
y=np.expand_dims(y,axis=1)
print(y)
print('x的形状和y的形状：')
print(x.shape,y.shape)
numpy.squeeze
numpy.squeeze函数从给定数组的形状中删除一维的条目，函数格式如下：
numpy.squeeze(arr,axis)
参数说明：
arr:输入数组
axis：整数或者整数元组，用于选择形状中一维条目的子集
实例：
import numpyas np
x=np.arange(9).reshape(1,3,3)
print('数组X：')
print(x)
y=np.squeeze(x)
print('数组y:')
print(y)
print('数组x和y的形状：')
print(x.shape,y.shape)
连接数组
函数 描述
concatenate 连接沿现有轴的数组序列
stack 沿着新的轴加入一系列数组
hstack 水平堆叠序列中的数组（列方向）
vstack 竖直堆叠序列中的数组（行方向）
numpy.concatenate
numpy.concatenate函数用于沿指定轴连接相同形状的两个或多个数组，格式如下：
numpy.concatenate((a1,a2,...),axis)
参数说明：
a1,a2,...相同类型的数组
axis:沿着它连接数组的轴，默认为0
实例：
import numpyas np
a=np.array([[1,2],[3,4]])
print('数组a:')
print(a)
b=np.array([[5,6],[7,8]])
print('数组b:')
print(b)
print('沿轴0连接两个数组：')
print(np.concatenate((a,b)))
print('沿轴1连接两个数组：')
print(np.concatenate((a,b),axis=1))
numpy.stack
numpy.stack函数用于沿新轴链接数组序列，格式如下：
numpy.stack(arrays,axis)
参数说明：
arrays相同形状的数组序列
axis：返回数组中的轴，输入数组沿着它来堆叠
实例：
import numpyas np
a=np.array([[1,2],[3,4]])
print('数组a:')
print(a)
b=np.array([[5,6],[7,8]])
print('数组b:')
print(b)
print('沿轴0堆叠两个数组：')
print(np.stack((a,b),0))
print('沿轴1堆叠两个数组：')
print(np.stack((a,b),1))
numpy.hstack
numpy.hstack是numpy.stack函数的变体，它通过水平堆叠生成数组。
实例：
import numpyas np
a=np.array([[1,2],[3,4]])
print('第一个数组：')
print(a)
b=np.array([[5,6],[7,8]])
print('第二个数组：')
print(b)
print('水平堆叠：')
c=np.hstack((a,b))
print(c)
numpy.vstack
numpy.vstack是numpy.stack函数的变体，它通过垂直堆叠来生成数组
实例：
import numpyas np
a=np.array([[1,2],[3,4]])
print('数组a:')
print(a)
b=np.array([[5,6],[7,8]])
print('数组b:')
print(b)
print('垂直连接：')
c=np.vstack((a,b))
print(c)
分割数组
函数 数组及操作
split 将一个数组分割为多个子数组
hsplit 将一个数组水平分割为多个子数组（按列）
vsplit 讲一个数组垂直分割为多个子数组（按行）
numpy.split
numpy.split函数沿特定的轴将数组分割为子数组，格式如下：
numpy.split(ary,indices_or_sections,axis)
参数说明：
ary:被分割的数组
indices_or_sections:果是一个整数，就用该数平均切分，如果是一个数组，为沿轴切分的位置（左开右闭）
axis：沿着哪个维度进行切向，默认为0，横向切分。为1时，纵向切分。
实例：
import numpyas np
a=np.arange(9)
print('数组a:')
print(a)
print('将数组分为三个大小相等的子数组：')
b=np.split(a,3)
print(b)
print('将数组在一维数组中标明的位置分割：')
b=np.split(a,[4,7])
print(b)
numpy.hsplit
numpy.hsplit函数用于水平分割数组，通过制定要返回的相同形状的数组数量来拆分原数组。
实例：
import numpyas np
a=np.floor(10*np.random.random((2,6)))
print('数组a:')
print(a)
print('拆分后：')
print(np.hsplit(a,3))
numpy.vsplit
numpy.vsplit沿着垂直轴分割，其分割方式与hsplit用法相同
实例：
import numpyas np
a=np.arange(16).reshape(4,4)
print('数组a:')
print(a)
print('垂直分割:')
b=np.vsplit(a,2)
print(b)
数组元素的添加与删除
函数 元素及描述
resize 返回指定形状的新数组
numpy.resize(arr,shape)
参数说明：
arr:要修改大小的数组
shape:返回数组的新形状
实例：
import numpyas np
a=np.array([[1,2,3],[4,5,6]])
print('数组a:')
print(a)
print(a.shape)
b=np.resize(a,(3,2))
print('数组b:')
print(b)
print(b.shape)
b=np.resize(a,(3,3))
print(b)
numpy.append
numpy.append函数在数组的末尾添加值。追加操作会分配整个数组，并把原来的数组赋值到新数组中。此外，输入数组的维度必须匹配否则将生成valueerror。
append函数返回的始终是一个一维数组
numpy.append(arr,values,axis=None)
参数说明：
arr:输入数组
values:要向arr添加的值，需要和arr形状相同（除了要添加的轴）
axis：默认为None。当axis无定义时，是横向加成，返回总是为一维数组，当axis有定义的时候，分别为0和1的时候。当axis有定义的时候，分别为0和1的时候（列数要相同）。当axis为1时，数组是加在右边（行数要相同）
实例：
import numpyas np
a=np.array([[1,2,3],[4,5,6]])
print('第一个数组：')
print(a)
print('向数组添加元素：')
print(np.append(a,[7,8,9]))
print('沿轴0添加元素:')
print(np.append(a,[[7,8,9]],axis=0))
print('沿轴1添加元素：')
print(np.append(a,[[5,5,5],[7,8,9]],axis=1))
numpy.insert
numpy.insert函数在给定索引之前，沿给定轴在输入数组中插入值。
如果值的类型转换为要插入，则它与输入数组不同。插入没有原地，函数会返回一个新数组。此外，如果未提供轴，则输入数组会被展开。
numpy.insert(arr,obj,values,axis)
参数说明：
arr:输入数组
obj:在其之前插入值的索引
values：要插入的值
axis:沿着它插入的轴，如果未提供，则输入数组会被展开
实例：
import numpyas np
a=np.array([[1,2],[3,4],[5,6]])
print('数组a:')
print(a)
print('未传递axis参数。在插入之前输入数组会被展开。')
print(np.insert(a,3,[11,12]))
print('传递了axis参数。会广播数组来配输入数组。')
print('沿轴0广播：')
print(np.insert(a,1,[11],axis=0))
print('沿轴1广播：')
print(np.insert(a,1,11,axis=1))
numpy.delete
numpy.delete函数返回从输入数组中删除指定子数组的新数组。与insert（函数的情况一样，如果未提供轴参数，则输入数组将展开。）
numpy.delete(arr,obj,axis)
arr:输入数组
obj:可以切片，整数或者整数数组，表明要从输入数组删除的子数组
axis:沿着它删除给定子数组的轴，如果未提供，则输入数组会被展开
实例：
import numpyas np
a=np.arange(12).reshape(3,4)
print('数组a:')
print(a)
print('未传递axis参数，在插入之前输入数组会被展开：')
print(np.delete(a,5))
print('删除第二列：')
print(np.delete(a,1,axis=1))
print('包含从数组中删除的替代值的切片：')
a=np.array([1,2,3,4,5,6,7,8,9,10])
print(np.delete(a,np.s_[::2]))
numpy.unique
numpy.unique函数用于去除数组中的重要元素
numpy.unique(arr,return_index,return_inverse,return_counts)
arr:输入数组，如果不是一维数组则会展开
return_index:如果为true，返回新列表元素在旧列表中的位置（下标），并以列表形式存储
return_inverse:如果为true，返回旧列表元素在新列表中的位置（下标），并以列表形式存储
return_counts:如果为true，返回去重数组中的元素在原数组中的出现次数
实例：
import numpyas np
a=np.array([5,2,6,2,7,5,6,8,2,9])
print('数组a:')
print(a)
print('第一次去重:')
u=np.unique(a)
print(u)
print('去重数组的索引数组：')
u,indices=np.unique(a,return_index=True)
print(indices)
print('可以看到每个和原数组下标对应的数值:')
print(a)
print('去重数组的下标:')
u,indices=np.unique(a,return_inverse=True)
print(u)
print('下标为：')
print(indices)
print('使用下标重构原数组：')
print(u[indices])
print('返回去重元素的重复数量：')
u,indices=np.unique(a,return_counts=True)
print(u)
print(indices)
