Numpy 迭代数组，数组 *** 作

Numpy 迭代数组 nditer()迭代器

np.nditer(array,order='C', op_flags=['readonly']，flags=[])

1. order可以用C和F值，分别表示一行一行读和一列一列读。
2. op_flags要写成列表+字符串形式，默认readonly只读。还有readwrite和writeonly
3. flags要用到再查资料

广播迭代

如果两个数组是可广播的，则会发生如下

Numpy数组 *** 作 修改数组形状

1. numpy.reshape(arr, newshape, order='C')
2. numpy.ndarray.flat
   这是一个数组元素迭代器，修改原数组时可以使用(见修改维度的broadcast函数）
   
3. ndarray.flatten(order='C')
   返回一份数组拷贝，对拷贝所做的修改不会影响原始数组
   
4. numpy.ravel(a, order='C')
   返回展开的数组的视图，修改会影响原数组
   

翻转数组

1. numpy.transpose(arr, axes) 对换数组维度，其实就是转置

2. ndarray.T 转置
   

3. numpy.rollaxis(arr, axis, start)
   向后滚动到特定轴
   

4. numpy.swapaxes(arr, axis1, axis2)
   交换两个轴，直接交换，就不用后滚了
   

修改数组维度

1. ``numpy.broadcast(a,b)
   用于模仿广播的对象，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。该函数使用两个数组作为输入参数
   

2. numpy.broadcast_to(array, shape, subok)
   将数组广播到新形状。不符合广播规则的将返回valueError
   

3. numpy.expand_dims(arr, axis)
   通过指定位置插入新轴来扩展数组
   
   

4. numpy.squeeze(arr, axis)
   删除一维的条目
   

连接数组

1. numpy.concatenate((a1, a2, ...), axis)
   在 axis上连接数组（如果三维：0轴深度，深度方向；1轴高，行方向；2轴宽，列方向）
2. numpy.stack(arrays, axis)
   沿axis连接数组，同上
3. numpy.hstack(a,b)
4. numpy.vstack(a,b)

分割数组

1. numpy.split(ary, indices_or_sections, axis)
   indices_or_sections :如果是整数，则按整数平分数组（如果不能平分会报错）。
2. numpy.hsplit
3. numpy.vsplit
   

数组添加和删除

1. numpy.resize(arr, shape)
   如果新数组要大于原数组，则补充元素的副本
2. numpy.append(arr, values, axis=None)
   函数在数组的末尾添加值。 追加 *** 作会分配整个数组，并把原来的数组复制到新数组中。 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,如果提供轴则返回原维度数组。
3. numpy.insert(arr, obj, values, axis)
   obj为插入之前的索引，比如3则在3索引前插入
   
4. Numpy.delete(arr, obj, axis)
   
5. numpy.unique(arr, return_index, return_inverse, return_counts)
   删除重复元素
   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