#对数组中每个元素都进行处理，可以使用flat属性，该属性是一个数组元素迭代器： print ( ' 迭代后的数组： ' ) for element in a . flat : print ( element ) 输出结果如下：

原始数组：
[0 1 2]
[3 4 5]
[6 7 8]
迭代后的数组：
numpy.ndarray.flatten
numpy.ndarray.flatten 返回一份数组拷贝，对拷贝所做的修改不会影响原始数组，格式如下：
ndarray.flatten(order='C')
参数说明：
order：'C' -- 按行，'F' -- 按列，'A' -- 原顺序，'K' -- 元素在内存中的出现顺序。
import numpy as np
a = np.arange(8).reshape(2,4)
print ('原数组：')
print (a)
print ('\n')
# 默认按行
print ('展开的数组：')
print (a.flatten())
print ('\n')
print ('以 F 风格顺序展开的数组：')
print (a.flatten(order = 'F'))




    

输出结果如下：
[[0 1 2 3]
 [4 5 6 7]]
展开的数组：
[0 1 2 3 4 5 6 7]
以 F 风格顺序展开的数组：
[0 4 1 5 2 6 3 7]

numpy.ravel

numpy.ravel() 展平的数组元素，顺序通常是"C风格"，返回的是数组视图（view，有点类似 C/C++引用reference的意味），修改会影响原始数组。

该函数接收两个参数：

numpy.ravel(a, order='C')

参数说明：

order：'C' -- 按行，'F' -- 按列，'A' -- 原顺序，'K' -- 元素在内存中的出现顺序。

输出结果如下：

[[0 1 2 3] [4 5 6 7]] 调用 ravel 函数之后： [0 1 2 3 4 5 6 7] 以 F 风格顺序调用 ravel 函数之后： [0 4 1 5 2 6 3 7] # Python3.x 为 next(context) ，Python2.x 为 context.next() print ( next ( r ) , next ( c ) ) print ( next ( r ) , next ( c ) ) print ( ' \n ' ) # shape 属性返回广播对象的形状 print ( ' 广播对象的形状： ' ) print ( b . shape ) print ( ' \n ' ) # 手动使用 broadcast 将 x 与 y 相加 b = np . broadcast ( x , y ) c = np . empty ( b . shape ) print ( ' 手动使用 broadcast 将 x 与 y 相加： ' ) print ( c . shape ) print ( ' \n ' ) c . flat = [ u + v for ( u , v ) in b ] print ( ' 调用 flat 函数： ' ) print ( c ) print ( ' \n ' ) # 获得了和 NumPy 内建的广播支持相同的结果 print ( ' x 与 y 的和： ' ) print ( x + y )

输出结果为：

对 y 广播 x：
广播对象的形状：
(3, 3)
手动使用 broadcast 将 x 与 y 相加：
(3, 3)
调用 flat 函数：
[[5. 6. 7.]
 [6. 7. 8.]
 [7. 8. 9.]]
x 与 y 的和：
[[5 6 7]
 [6 7 8]
 [7 8 9]]

numpy.broadcast_to

numpy.broadcast_to 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)

输出结果为：

[[0 1 2 3]] 调用 broadcast_to 函数之后： [[0 1 2 3] [0 1 2 3] [0 1 2 3] [0 1 2 3]]

numpy.expand_dims

numpy.expand_dims 函数通过在指定位置插入新的轴来扩展数组形状，函数格式如下:

 numpy.expand_dims(arr, axis)

参数说明：

arr ：输入数组

axis ：新轴插入的位置

输出结果为：

数组 x：
[[1 2]
 [3 4]]
数组 y：
[[[1 2]
  [3 4]]]
数组 x 和 y 的形状：
(2, 2) (1, 2, 2)
在位置 1 插入轴之后的数组 y：
[[[1 2]]
 [[3 4]]]
x.ndim 和 y.ndim：
x.shape 和 y.shape：
(2, 2) (2, 1, 2)

numpy.squeeze

numpy.squeeze 函数从给定数组的形状中删除一维的条目，函数格式如下：

numpy.squeeze(arr, axis)

参数说明：

arr ：输入数组

axis ：整数或整数元组，用于选择形状中一维条目的子集

输出结果为：

数组 x：
[[[0 1 2]
  [3 4 5]
  [6 7 8]]]
数组 y：
[[0 1 2]
 [3 4 5]
 [6 7 8]]
数组 x 和 y 的形状：
(1, 3, 3) (3, 3)

numpy.concatenate

numpy.concatenate 函数用于沿指定轴连接相同形状的两个或多个数组，格式如下：

numpy.concatenate((a1, a2, ...), axis)

参数说明：

a1, a2, ... ：相同类型的数组

axis ：沿着它连接数组的轴，默认为 0

输出结果为：

第一个数组：
[[1 2]
 [3 4]]
第二个数组：
[[5 6]
 [7 8]]
沿轴 0 连接两个数组：
[[1 2]
 [3 4]
 [5 6]
 [7 8]]
沿轴 1 连接两个数组：
[[1 2 5 6]
 [3 4 7 8]]

numpy.stack

numpy.stack 函数用于沿新轴连接数组序列，格式如下：

numpy.stack(arrays, axis)

参数说明：

arrays 相同形状的数组序列

axis ：返回数组中的轴，输入数组沿着它来堆叠

[array([0, 1, 2, 3]), array([4, 5, 6]), array([7, 8])] axis 为 0 时在水平方向分割，axis 为 1 时在垂直方向分割：

import numpy as np
a = np. arange ( 16 ) . reshape ( 4 , 4 )
print ( '第一个数组：' )
print ( a )
print ( ' \n ' )
print ( '默认分割（0轴）：' )
b = np. split ( a , 2 )
print ( b )
print ( ' \n ' )
print ( '沿水平方向分割：' )
c = np. split ( a , 2 , 1 )
print ( c )
print ( ' \n ' )
print ( '沿水平方向分割：' )
d = np. hsplit ( a , 2 )
print ( d )

输出结果为：

第一个数组：
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]]
默认分割（0轴）：
[array([[0, 1, 2, 3],
       [4, 5, 6, 7]]), array([[ 8,  9, 10, 11],
       [12, 13, 14, 15]])]
沿水平方向分割：
[array([[ 0,  1],
       [ 4,  5],
       [ 8,  9],
       [12, 13]]), array([[ 2,  3],
       [ 6,  7],
       [10, 11],
       [14, 15]])]
沿水平方向分割：
[array([[ 0,  1],
       [ 4,  5],
       [ 8,  9],
       [12, 13]]), array([[ 2,  3],
       [ 6,  7],
       [10, 11],
       [14, 15]])]

numpy.hsplit

numpy.hsplit 函数用于水平分割数组，通过指定要返回的相同形状的数组数量来拆分原数组。

输出结果为：

原array：
[[4. 7. 6. 3. 2. 6.]
 [6. 3. 6. 7. 9. 7.]]
[array([[4., 7.],
       [6., 3.]]), array([[6., 3.],
       [6., 7.]]), array([[2., 6.],
       [9., 7.]])]

numpy.vsplit

numpy.vsplit 沿着垂直轴分割，其分割方式与hsplit用法相同。

import numpy as np a = np . arange ( 16 ) . reshape ( 4 , 4 ) print ( ' 第一个数组： ' ) print ( a ) print ( ' \n ' ) print ( ' 竖直分割： ' ) b = np . vsplit ( a , 2 ) print ( b )

输出结果为：

第一个数组：
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]]
竖直分割：
[array([[0, 1, 2, 3],
       [4, 5, 6, 7]]), array([[ 8,  9, 10, 11],
       [12, 13, 14, 15]])]

---

数组元素的添加与删除

元素及描述 [1 2 3]]

numpy.append

numpy.append 函数在数组的末尾添加值。 追加操作会分配整个数组，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。

numpy.append(arr, values, axis=None)

参数说明：

arr ：输入数组

values ：要向 arr 添加的值，需要和 arr 形状相同（除了要添加的轴）

axis ：默认为 None。当axis无定义时，是横向加成，返回总是为一维数组！当axis有定义的时候，分别为0和1的时候。当axis有定义的时候，分别为0和1的时候（列数要相同）。当axis为1时，数组是加在右边（行数要相同）。

输出结果为：

第一个数组：
[[1 2 3]
 [4 5 6]]
向数组添加元素：
[1 2 3 4 5 6 7 8 9]
沿轴 0 添加元素：
[[1 2 3]
 [4 5 6]
 [7 8 9]]
沿轴 1 添加元素：
[[1 2 3 5 5 5]
 [4 5 6 7 8 9]]

numpy.insert

numpy.insert 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)

参数说明：

arr ：输入数组

obj ：在其之前插入值的索引

values ：要插入的值

axis ：沿着它插入的轴，如果未提供，则输入数组会被展开

输出结果如下：

第一个数组：
[[1 2]
 [3 4]
 [5 6]]
未传递 Axis 参数。 在删除之前输入数组会被展开。
[ 1  2  3 11 12  4  5  6]
传递了 Axis 参数。 会广播值数组来配输入数组。
沿轴 0 广播：
[[ 1  2]
 [11 11]
 [ 3  4]
 [ 5  6]]
沿轴 1 广播：
[[ 1 11  2]
 [ 3 11  4]
 [ 5 11  6]]

numpy.delete

numpy.delete 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)

参数说明：

arr ：输入数组

obj ：可以被切片，整数或者整数数组，表明要从输入数组删除的子数组

axis ：沿着它删除给定子数组的轴，如果未提供，则输入数组会被展开

输出结果为：

第一个数组：
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
未传递 Axis 参数。 在插入之前输入数组会被展开。
[ 0  1  2  3  4  6  7  8  9 10 11]
删除第二列：
[[ 0  2  3]
 [ 4  6  7]
 [ 8 10 11]]
包含从数组中删除的替代值的切片：
[ 2  4  6  8 10]

numpy.unique

numpy.unique 函数用于去除数组中的重复元素。

numpy.unique(arr, return_index, return_inverse, return_counts)

arr ：输入数组，如果不是一维数组则会展开

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