============改变数组的维度================== 已知reshape函数可以有一维数组形成多维数组 ravel函数可以展平数组 b.ravel() flatten()函数也可以实现同样的功能 区别：ravel只提供视图view，而flatten分配内存存储 重塑：用元祖设置维度 >>> b.shape=(4,2,3) >>> b array(［[ 0, 1, 2],         [ 3, 4, 5］,        ［ 6, 7, 8],         [ 9, 10, 11］,        ［12, 13, 14],         [15, 16, 17］,        ［18, 19, 20],         [21, 22, 23］]) 转置： >>> b array(［0, 1],        [2, 3］) >>> b.transpose() array(［0, 2],        [1, 3］) =============数组的组合============== >>> a array(［0, 1, 2],        [3, 4, 5],        [6, 7, 8］) >>> b = a*2 >>> b array(［ 0, 2, 4],        [ 6, 8, 10],        [12, 14, 16］) 1.水平组合 >>> np.hstack((a,b)) array(［ 0, 1, 2, 0, 2, 4],        [ 3, 4, 5, 6, 8, 10],        [ 6, 7, 8, 12, 14, 16］) >>> np.concatenate((a,b),axis=1) array(［ 0, 1, 2, 0, 2, 4],        [ 3, 4, 5, 6, 8, 10],        [ 6, 7, 8, 12, 14, 16］) 2.垂直组合 >>> np.vstack((a,b)) array(［ 0, 1, 2],        [ 3, 4, 5],        [ 6, 7, 8],        [ 0, 2, 4],        [ 6, 8, 10],        [12, 14, 16］) >>> np.concatenate((a,b),axis=0) array(［ 0, 1, 2],        [ 3, 4, 5],        [ 6, 7, 8],        [ 0, 2, 4],        [ 6, 8, 10],        [12, 14, 16］) 3.深度组合：沿着纵轴方向组合 >>> np.dstack((a,b)) array(［[ 0, 0],         [ 1, 2],         [ 2, 4］,        ［ 3, 6],         [ 4, 8],         [ 5, 10］,        ［ 6, 12],         [ 7, 14],         [ 8, 16］]) 4.列组合column_stack() 一维数组：按列方向组合 二维数组：同hstack一样 5.行组合row_stack() 以为数组：按行方向组合 二维数组：和vstack一样 6.==用来比较两个数组 >>> a==b array(［ True, False, False],        [False, False, False],        [False, False, False］, dtype=bool) #True那个因为都是0啊 ==================数组的分割=============== >>> a array(［0, 1, 2],        [3, 4, 5],        [6, 7, 8］) >>> b = a*2 >>> b array(［ 0, 2, 4],        [ 6, 8, 10],        [12, 14, 16］) 1.水平分割（难道不是垂直分割？？？） >>> np.hsplit(a,3) [array(［0],        [3],        [6］),  array(［1],        [4],        [7］), array(［2],        [5],        [8］)] split(a,3,axis=1)同理达到目的 2.垂直分割 >>> np.vsplit(a,3) [array(［0, 1, 2］), array(［3, 4, 5］), array(［6, 7, 8］)] split(a,3,axis=0)同理达到目的 3.深度分割 某三维数组：：： >>> d = np.arange(27).reshape(3,3,3) >>> d array(［[ 0, 1, 2],         [ 3, 4, 5],         [ 6, 7, 8］,        ［ 9, 10, 11],         [12, 13, 14],         [15, 16, 17］,        ［18, 19, 20],         [21, 22, 23],         [24, 25, 26］]) 深度分割后（即按照深度的方向分割） 注意：dsplite只对3维以上数组起作用 raise ValueError('dsplit only works on arrays of 3 or more dimensions') ValueError: dsplit only works on arrays of 3 or more dimensions >>> np.dsplit(d,3) [array(［[ 0],         [ 3],         [ 6］,        ［ 9],         [12],         [15］,        ［18],         [21],         [24］]), array(［[ 1],         [ 4],         [ 7］,        ［10],         [13],         [16］,        ［19],         [22],         [25］]), array(［[ 2],         [ 5],         [ 8］,        ［11],         [14],         [17］,        ［20],         [23],         [26］])] ===================数组的属性================= >>> a.shape #数组维度 (3, 3) >>> a.dtype #元素类型 dtype('int32') >>> a.size #数组元素个数 9 >>> a.itemsize #元素占用字节数 4 >>> a.nbytes #整个数组占用存储空间=itemsize*size 36 >>> a.T #转置=transpose array(［0, 3, 6],        [1, 4, 7],        [2, 5, 8］) flat属性 ……