基本操作

1. 索引

通过下标获取，先行后列

2. 形状修改

• ndarray.reshape(shap,[, order]) #没有修改原来的形状，元素数量要匹配
• ndarray.resize(new_shape[, refcheck]) #修改原来的形状（没有返回值）
• ndarray.flatten([order]) #Return a copy of the array collapsed into one dimension

3. 类型修改

• ndarray.astype(type)

4. 修改小数位数

• np.round(arr,out)

5. 数组转换

• 转置 .T
• 转换成bytes（保存数组值） arr.tostring([order])

6. 拷贝

• ndarray.copy([order])

逻辑运算

1. 逻辑运算

temp = arr1.copy()
#逻辑运算
temp > 0.5
#赋值
temp[temp>0.5] = 1

2. 通用函数判断

• np.all()
  判断某个数组是否全部满足条件，返回True或者false
  如np.all(arr1[0:2,0:5] > 0)
• np.unique()
  返回新的数组的数值，不存在重复的值

3. 复合逻辑运算

• np.where()

np.where( temp > 0, 1, 0)

• 复合逻辑可以结合np.logical_and和np.logical_or使用

np.where(np.logical_and(temp>0.5, temp<1), 1, 0)
np.where(np.logical_or(temp>0.5, temp<-0.5, 1, 0))

统计运算

• np.min()
• np.max()
• np.median()
• np.mean()
• np.std()
• np.var()
  进行统计的时候，axis轴的取值不一定，Numpy中不同的API轴的值都不一样。在这里，axis 0代表列，axis 1代表行去进行统计。
• np.argmax(temp, axis=)
• np.argmin(temp, axis=)
  得到max和min是第几个数