温馨提示：阅读本文只需要3分钟，您就可以掌握概览全数组的操作方法和数组数据编程思想。
Numpy是我们大数据处理、机器学习等的重要基础，我们想要打好基础。上一文中《 》，我们基本入门数组学习，今天继续学习分享数组、字节、字符串的操作。这些都是基础的知识，但是都是很重点的。
我们要学会那种思想，面对一个array数组无非都是这些操作，而这个思想很重要，就是编程思想。我们一面对数据问题，都能想到这些操作与运算，就是说明你掌握了基础的编程思想。
编程思维
我们初学者经常苦恼，那么多的函数我们怎么记得了啊。其实我们不需要记住那些函数的名字，其实只要我们理解掌握数据操作的思维，我们就知道清楚数据可以进行那些方向方面的操作，查找API文档即可，不需要记住函数具体名字。数据的操作思维，就是我们的编程思维。
一 数组操作
通常我们都是对ndarray对象进行操作。主要操作分为：变换（变形）、转置操作、改变维度、链接数组、分割数组、元素增删。都是些基础的操作知识。
1.变换形状：
numpy.reshape(arr, newshape, order')
本质:就是矩阵形状变换，例如3行4列的数组，转换成2行6列，但是行数乘列数的积不能变（即：不管形状怎么变，里面的元素个数不能变）
numpy.ndarray.flat[index]取数组值
这里涉及到一个按行存储还是按照列存储的问题，一般都是按照行存储。
ndarray.flatten(order) ：
将数组转换成一维数组，只是副本copy，不改变原来的数据
numpy.ravel(a, order)：
也是返回一个一维数组，扁平数组，也只是返回一个copy
2.转置操作
numpy.transpose(arr, axes)
数组转置（与numpy.ndarray.T一样）：
转置的数学原理:行列对换
3.改变维度
numpy.broadcast（x,y）：
两个同纬度的进行广播操作，将x广播到y,及等同于x+y
numpy.broadcast_to(array, shape, subok):
将array广播到新形数组
numpy.expand_dims(arr, axis)
扩展维度，原数组，新扩展的一维的位置
numpy.squeeze(arr, axis)
降维操作，删除数组中一维的数据
4.拼接数组
numpy.concatenate((a1, a2, ...), axis)
相同shape形状的数组拼接在一起，注意指定的axis拼接
numpy.stack(arrays, axis)
按位置堆加
numpy.hstack（x,y）
水平拼接两个数组，同理vstack是垂直拼接
5.分割数组
numpy.split(ary, indices_or_sections, axis)
按照指定轴分割子数组，可以按段分或者指定位置分
numpy.hsplit（ary,index）
按照垂直第几列开始分割，同理vsplit()
6.增删数组元素
numpy.resize(arr, shape)改变大小尺度维度等，之前的reshape是变形，但是，不会改变元素的个数。而resize会变形并且自动填充原来的数据
numpy.append(arr, values, axis)追加一行或者一列
numpy.insert(arr, obj, values, axis)插入操作
Numpy.delete(arr, obj, axis)删除操作
numpy.unique(arr, return_index, return_inverse, return_counts)查找数组中唯一的元素，一维为去重复，二维及唯一序列，三维及坐标轴等等
二字节操作
我们对字节数据通常是按照位操作，主要是：与（and）、或(or)、非（invert）、左位移、右位移动。也是基础的操作知识。
bitwise_and 按位与操作
bitwise_or 按位或操作
numpy.invert()
按位非操作
numpy.left_shift()numpy.right_shift()
按位左右移动
三总结
本文我们学习了，数组的基本操作，知道数据可以这么操作，而这些操作的思路方向，正是编程思想。
下一文我们将继续面对向量字符串数组进行操作，敬请关注
非常感谢您的细心阅读，喜欢请关注 今日头条号，我们将创作Python如何进行数据处理、数据分析等原创作品，来实现挖掘数据的价值，谢谢！
閱讀更多 甫義教育 的文章
