（1）NumPy - 切片和索引
l ndarray对象中的元素遵循基于零的索引。 有三种可用的索引方法类型： 字段访问，基本切片和高级索引。
l 基本切片 Python 中基本切片概念到 n 维的扩展。切片只是返回一个观图。
l 如果一个ndarray是非元组序列，数据类型为整数或布尔值的ndarray，或者至少一个元素为序列对象的元组，我们就能够用它来索引ndarray。高级索引始终返回数据的副本。 有两种类型的高级索引：整数和布尔值。
整数索引实例
import numpy as np
x = np.array([[1, 2], [3, 4], [5, 6]])
y = x[[0,1,2], [0,1,0]]
print y
输出如下：[1 4 5]
布尔索引实例
import numpy as np
a = np.array([np.nan, 1,2,np.nan,3,4,5])
print a[~np.isnan(a)]
输出如下[ 1. 2. 3. 4. 5.]
（2）NumPy广播
广播是指 NumPy 在算术运算期间处理不同形状的数组的能力。
如果两个阵列具有完全相同的形状，则这些操作被无缝执行。如果两个数组的维数不相同，则元素到元素的操作是不可能的。 然而，在 NumPy 中仍然可以对形状不相似的数组进行操作，因为它拥有广播功能。 较小的数组会广播到较大数组的大小，以便使它们的形状可兼容。
如果满足以下规则，可以进行广播：
ndim较小的数组会在前面追加一个长度为 1 的维度。- 输出数组的每个维度的大小是输入数组该维度大小的最大值。
- 如果输入在每个维度中的大小与输出大小匹配，或其值正好为 1，则在计算中可它。
- 如果输入的某个维度大小为 1，则该维度中的第一个数据元素将用于该维度的所有计算。
如果上述规则产生有效结果，并且满足以下条件之一，那么数组被称为可广播的。
- 数组拥有相同形状。
- 数组拥有相同的维数，每个维度拥有相同长度，或者长度为 1。
- 数组拥有极少的维度，可以在其前面追加长度为 1 的维度，使上述条件成立。
（3）NumPy - 数组上的迭代
- NumPy 包包含一个迭代器对象numpy.nditer。 它是一个有效的多维迭代器对象，可以用于在数组上进行迭代。 数组的每个元素可使用 Python 的标准Iterator接口来访问。
- nditer对象有另一个可选参数op_flags。 其默认值为只读，但可以设置为读写或只写模式。 这将允许使用此迭代器修改数组元素。nditer类的构造器拥有flags参数，它可以接受下列值：
序号 参数及描述
1. c_index 可以跟踪 C 顺序的索引
2. f_index 可以跟踪 Fortran 顺序的索引
3. multi-index 每次迭代可以跟踪一种索引类型
4. external_loop 给出的值是具有多个值的一维数组，而不是零维数组
如果两个数组是可广播的，nditer组合对象能够同时迭代它们。 假设数组a具有维度 3X4，并且存在维度为 1X4 的另一个数组b，则使用以下类型的迭代器(数组b被广播到a的大小)。
（4）NumPy - 数组操作
修改形状
- numpy.reshape不改变数据的条件下修改形状：numpy.reshape(arr, newshape, order')
- numpy.ndarray.flat该函数返回数组上的一维迭代器，行为类似 Python 内建的迭代器。
- numpy.ndarray.flatten该函数返回折叠为一维的数组副本：ndarray.flatten(order)，其中：order：'C' — 按行，'F' — 按列，'A' — 原顺序，'k' — 元素在内存中的出现顺序
- numpy.ravel这个函数返回展开的一维数组，并且按需生成副本。返回的数组和输入数组拥有相同数据类型：numpy.ravel(a, order)
翻转操作
- numpy.transpose翻转给定数组的维度。如果可能的话它会返回一个视图。函数接受下列参数：numpy.transpose(arr, axes)
- numpy.ndarray.T该函数属于ndarray类，行为类似于numpy.transpose
- numpy.rollaxis该函数向后滚动特定的轴，直到一个特定位置。这个函数接受三个参数：numpy.rollaxis(arr, axis, start)
- numpy.swapaxes该函数交换数组的两个轴。numpy.swapaxes(arr, axis1, axis2)
修改维度
- broadcast 此功能模仿广播机制。 它返回一个对象，该对象封装了将一个数组广播到另一个数组的结果。
- numpy.broadcast_to此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)
- numpy.expand_dims函数通过在指定位置插入新的轴来扩展数组形状：numpy.expand_dims(arr, axis)
- numpy.squeeze函数从给定数组的形状中删除一维条目： numpy.squeeze(arr, axis)
数组的连接
- numpy.concatenate数组的连接是指连接。 此函数用于沿指定轴连接相同形状的两个或多个数组。 该函数接受以下参数。numpy.concatenate((a1, a2, ...), axis)
- numpy.stack此函数沿新轴连接数组序列：numpy.stack(arrays, axis)
- numpy.vstacknumpy.stack函数的变体，通过堆叠来生成竖直的单个数组
- numpy.hstacknumpy.stack函数的变体，通过堆叠来生成水平的单个数组
数组分割
- numpy.split该函数沿特定的轴将数组分割为子数组。numpy.split(ary, indices_or_sections, axis)
- numpy.hsplit是split()函数的特例，其中轴为 1 表示水平分割，无论输入数组的维度是什么。
- numpy.vsplit是split()函数的特例，其中轴为 0 表示竖直分割，无论输入数组的维度是什么。
添加/删除元素
- numpy.resize此函数返回指定大小的新数组。 如果新大小大于原始大小，则包含原始数组中的元素的重复副本。numpy.resize(arr, shape)
- numpy.append此函数在输入数组的末尾添加值。 附加操作不是原地的，而是分配新的数组。 此外，输入数组的维度必须匹配否则将生成ValueError。numpy.append(arr, values, axis)
- numpy.insert此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。 插入没有原地的，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)
- numpy.delete此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)
- numpy.unique 此函数返回输入数组中的去重元素数组。 该函数能够返回一个元组，包含去重数组和相关索引的数组。 索引的性质取决于函数调用中返回参数的类型。numpy.unique(arr, return_index, return_inverse, return_counts)