一、assert（断言）

    assert（断言）用于判断一个表达式，在表达式条件为 false 的时候触发异常。断言可以在条件不满足程序运行的情况下直接返回错误，而不必等待程序运行后出现崩溃的情况。

二、Numpy库学习—squeeze()函数

语法：numpy.squeeze(a,axis = None)

1）a表示输入的数组；

2）axis用于指定需要删除的维度，但是指定的维度必须为单维度，否则将会报错；

3）axis的取值可为None 或 int 或 tuple of ints, 可选。若axis为空，则删除所有单维度的条目；

4）返回值：数组

5) 不会修改原数组；

作用：从数组的形状中删除单维度条目，即把shape中为1的维度去掉

场景：在机器学习和深度学习中，通常算法的结果是可以表示向量的数组（即包含两对或以上的方括号形式[[]]），如果直接利用这个数组进行画图可能显示界面为空（见后面的示例）。可以利用squeeze（）函数将表示向量的数组转换为秩为1的数组，这样利用matplotlib库函数画图时，就可以正常的显示结果了。

结论：根据上述例可知，np.squeeze（）函数可以删除数组形状中的单维度条目，即把shape中为1的维度去掉，但是对非单维的维度不起作用。

三、Numpy库学习—reshape()函数

reshape（）是数组对象中的方法，用于改变数组的形状

arr = [1,2,3,4,5,6,7,8,9]

import numpy as np

arr=np.array(arr) #一维 [1,2,3,4,5,6,7,8,9]

#变成一个3 * 3的二维矩阵：

#方法一  arr.reshape(3,3) #二维

#方法二 arr.reshape(-1,3)  #二维 -1代表的意思：不知道分多少行，但必须分成3列

四、Numpy库学习—mgrid()函数

mgrid函数返回多维结构        np.mgrid[第1维，第2维，第3维，…]

每一维的表示为np.mgrid[起点：终点：步长]

当步长为实数时，表示按间隔来分，.1表示从起点按0.1递增(左闭右开递增)

当步长为复数时，表示按点数来分，5j表示把从起点到终点等分成5个点(左闭右闭等分)

五、Numpy库学习—C_()、r_()函数

np.c_[a,b,c...]可以拼接多个数组，要求待拼接的多个数组的行数必须相同：

np.r_[a,b,c...]可以拼接多个数组，要求待拼接的多个数组的列数必须相同：