下面是一些杂碎的知识点：

首先我们说说多维数组：

数组的属性：

ndarray.ndim， 表示数组的秩是多少；

ndarray.shape，返回数组的形状；

ndarray.size，数组元素的总个数，等于shape属性中元组元素的乘积

ndarray.dtype，一个用来描述数组中元素类型的对象

ndarray.itemsize ，数组中每个元素的字节大小。

一些常用的函数

zeros()生成全为零的数组；

ones()生成合为1的数组；

empty()生成一个随机数组；

reshape()函数，,返回一个数组变形的样子。按C风格来哦，即最右边的索引变化最快；

resize()函数，和上面操作相同 ，不过它是改变原数组哦，上面的reshape()不会改变原数组的；

arange（）函数，可以产生一个一维的数组哦。

ravel()函数， 它展开的函数的风格通常是C风格的，即最右边的索引变化最快；

transpose(),把数组进行转置，如索引为（2，3，4）元素变为索引为（4，3，2）的元素；

column_stack()函数，把一维数组按列组合成二维数组；

row_stack()函数，一维数组以行组合成二维数组

vstack ()沿着第一个轴组合,hstack ()函数沿着第二个轴组合

vsplit ()沿着纵向的轴分割， array split() 允许指定沿哪个轴分割。

argmax()函数，求出指定的坐标轴上的最大的值的下标。

a = np.array([[2,5,3],[4,7,1]])

a.argmax(0)         #求出数组a在第0轴上的最大值的下标，0轴就是列轴

#输出

array([1,1,0])

a.argmax(1)    #求出数组a在第1轴上的最大值的下标，1轴就是行轴

#输出：

array([1,1])

newaxis

linspace()函数通过指定开始值、终值和元素的个数来创建一维数组，可以通过endpoint关键字指定是否包括终值，缺省时包括终值；

>>> np.linspace(0,5,11)

array([ 0. ,  0.5,  1. ,  1.5,  2. ,  2.5,  3. ,  3.5,  4. ,  4.5,  5. ])

索引，切片和迭代：

使用arange函数时，不包括终值；

可以能数组的元素的索引作切片哦，记住，索引从0开始的。当少于轴数的索引被提供时，确失的索引被认为是整个切片。

注意：迭代 多维数组是就第一个轴而言的。

数组的flat属性为数组元素的一个迭代器，可以启遍例数组中的每个元素；

随着学习继续补充

补充：

1. numpy中的数组的axis 是从0开始的，最里面的为0，外面的为1， 2等 ，最里面表示变化速度最慢的。。如一个数组 array().shape = (3, 12, 15), axes为 0 的是3， 为1的是12， 为2的是15。 其中吧，12代表了行数， 15代表了列数；

2. Numpy.mean()函数：

它的作用是计算一个 array_like 的算术平均值， 可以指定哪一个axis. .另个有两种方法使用它。

它的原型为：mean(a, axis=None, dtype=None, out=None, keepdims=False)

例子：

>>> a = np.array([[1, 2], [3, 4]])

>>> np.mean(a)

2.5

>>> np.mean(a, axis=0)

array([ 2.,  3.])

>>> np.mean(a, axis=1)

array([ 1.5,  3.5])

上面的例子我们也可以简单这个做： a.mean(0) 或 a.mean(1) 
另个，当axis的参数省略时，它会计算所有值的平均值； 建议用标准的方法写代码；