数组操作

numpy.ndarray.shape 表示数组的维度，返回一个元组，这个元组的长度就是维度的数目，即 ndim 属性(秩)。
numpy.ndarray.flat 将数组转换为一维的迭代器，可以用for访问数组每一个元素。numpy.ndarray.flatten([order=‘C’]) 将数组的副本转换为一维数组，并返回。注意两者的区别，返回的性质不同！
y = np.ravel(x)
ravel() 返回的是视图。
reshape() 函数当参数newshape = [rows,-1] 时，将根据行数自动确定列数，当参数newshape = -1 时，表示将数组降为一维。

数组转置
numpy.transpose(a, axes=None) Permute the dimensions of an array.
numpy.ndarray.T
y = x.T
y = np.transpose(x)
numpy.newaxis = None None 的别名，对索引数组很有用。
y = x[np.newaxis, :]
print(y.shape) # (1, 8)
print(y) # [[1 2 9 4 5 6 7 8]]
y = x[:, np.newaxis]
print(y.shape) # (8, 1)
print(y)

[[1]

[2]

[9]

[4]

[5]

[6]

[7]

[8]]

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。
数组组合
numpy.concatenate((a1, a2, …), axis=0, out=None)
连接沿现有轴的数组序列（原来x，y都是一维的，拼接后的结果也是一维的）。原来x，y都是二维的，拼接后的结果也是二维的。numpy.stack(arrays, axis=0, out=None)沿着新的轴加入一系列数组（stack为增加维度的拼接）。hstack(),vstack() 分别表示水平和竖直的拼接方式。在数据维度等于1时，比较特殊。而当维度大于或等于2时，它们的作用相当于concatenate ，用于在已有轴上进行操作。
数组拆分
numpy.split(ary, indices_or_sections, axis=0)
y = np.split(x, [1, 3])
numpy.vsplit(ary, indices_or_sections)垂直切分是把数组按照高度切分
numpy.hsplit(ary, indices_or_sections)水平切分是把数组按照宽度切分。

数组平铺
numpy.tile(A, reps)将原矩阵横向、纵向地复制。
numpy.repeat(a, repeats, axis=None) Repeat elements of an array.
a. axis=0 ，沿着y轴复制，实际上增加了行数。
b. axis=1 ，沿着x轴复制，实际上增加了列数。
c. repeats ，可以为一个数，也可以为一个矩阵。
d. axis=None 时就会flatten当前矩阵，实际上就是变成了一个行向量。
查找数组的唯一元素：
numpy.unique(ar, return_index=False, return_inverse=False,return_counts=False, axis=None)