NumPy數組的維數稱為秩（rank），一維數組的秩為1，二維數組的秩為2，以此類推。在NumPy中，每一個線性的數組稱為是一個軸（axes），秩其實是描述軸的數量。比如說，二維數組相當於是一個一維數組，而這個一維數組中每個元素又是一個一維數組。所以這個一維數組就是NumPy中的軸（axes），而軸的數量——秩，就是數組的維數。
Numpy庫中的矩陣模塊為ndarray對象，有很多屬性：T，data, dtype,flags,flat,imag,real,size,
itemsize,nbytes,ndim,shape,strides,ctypes,base等等。
>>> import numpy as np >>> x=np.array([[1,2,3],[9,8,7],[6,5,4]]) >>> x.T #獲得x的轉置矩陣 array([[1, 9, 6], [2, 8, 5], [3, 7, 4]]) >>> print x.flags #返回數組內部的信息 C_CONTIGUOUS : True F_CONTIGUOUS : False OWNDATA : True WRITEABLE : True ALIGNED : True UPDATEIFCOPY : False >>> x.flat[2:6] #將數組變為1維數組，並獲取其中的一部分數據 array([3, 9, 8, 7]) >>> x.flat = 4; x #將值賦給1維數組，再轉化成有原有數組的大小形式 array([[4, 4, 4], [4, 4, 4], [4, 4, 4]]) >>> x array([[4, 4, 4], [4, 4, 4], [4, 4, 4]])
ndarray.imag # 為復變函數中含有虛部的數組，如下：
>>> x = np.sqrt([2+3j, 5+0j]) # 創建一個復數 >>> x array([ 1.67414923+0.89597748j, 2.23606798+0.j ]) >>> x.imag #獲得復數的虛部 array([ 0.89597748, 0. ]) >>> x.real #獲得復數的實部 array([ 1.67414923, 2.23606798]) >>> x=np.arange(10) #隨機生成一個數組，並重新命名一個空間的數組 >>> x.reshape(2,5) array([[0, 1, 2, 3, 4], [5, 6, 7, 8, 9]]) >>> x.size #獲得數組中元素的個數 10 >>> x.ndim #獲得數組的維數 >>> x.shape #獲得數組的（行數，列數） (10,) >>> y=x.reshape(5,2) >>> y array([[0, 1], [2, 3], [4, 5], [6, 7], [8, 9]]) >>> y.base #獲得該數組基於另外一個對象數組而來，如下，y是根據x而來 array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
Ndarray對象的方法
ndarray.ptp(axis=None, out=None) : 返回數組的最大值—最小值或者某軸的最大值—最小值
ndarray.clip(a_min, a_max, out=None) : 小於最小值的元素賦值為最小值，大於最大值的元素變為最大值。
ndarray.all()：如果所有元素都為真，那么返回真；否則返回假
ndarray.any()：只要有一個元素為真則返回真
ndarray.swapaxes(axis1, axis2) : 交換兩個軸的元素，如下
>>> z.swapaxes(0,1) array([[2, 4, 6, 8], [3, 5, 7, 9]])
- 下面為改變數組維度和大小的方法：
ndarray.reshape(shape[, order]) :返回重命名數組大小后的數組，不改變元素個數.
ndarray.resize(new_shape[, refcheck]) :改變數組的大小（可以改變數組中元素個數）.
ndarray.transpose(*axes) :返回矩陣的轉置矩陣
ndarray.swapaxes(axis1, axis2) : 交換兩個軸的元素后的矩陣.
ndarray.flatten([order]) : 復制一個一維的array出來.
ndarray.ravel([order]) :返回為展平后的一維數組.
ndarray.squeeze([axis]) :移除長度為1的軸。
ndarray.tolist():將數組轉化為列表
ndarray.take(indices, axis=None, out=None, mode=’raise’):獲得數組的指定索引的數據，如：
>>> a=np.arange(12).reshape(3,4) >>> a array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]]) >>> a.take([1,3],axis=1) #提取1，3列的數據 array([[ 1, 3], [ 5, 7], [ 9, 11]])
numpy.put(a, ind, v, mode=’raise’)：用v的值替換數組a中的ind（索引）的值。Mode可以為raise/wrap/clip。Clip：如果給定的ind超過了數組的大小，那么替換最后一個元素。
numpy.repeat(a, repeats, axis=None)：重復數組的元素，如：
>>> x = np.array([[1,2],[3,4]]) >>> np.repeat(x, 2) array([1, 1, 2, 2, 3, 3, 4, 4]) >>> np.repeat(x, 3, axis=1) array([[1, 1, 1, 2, 2, 2], [3, 3, 3, 4, 4, 4]]) >>> np.repeat(x, [1, 2], axis=0) array([[1, 2], [3, 4], [3, 4]])
numpy.tile(A, reps)：根據給定的reps重復數組A，和repeat不同，repeat是重復元素，該方法是重復數組。
ndarray.var(axis=None, dtype=None, out=None, ddof=0)：返回數組的方差，沿指定的軸。
ndarray.std(axis=None, dtype=None, out=None, ddof=0)：沿給定的軸返回數則的標准差
ndarray.prod(axis=None, dtype=None, out=None)：返回指定軸的所有元素乘機
ndarray.cumprod(axis=None, dtype=None, out=None)：返回指定軸的累積，如下：
>>> a array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]]) >>> a.cumprod(axis=1) #得到豎軸的累積 array([[ 0, 0, 0, 0], [ 4, 20, 120, 840], [ 8, 72, 720, 7920]])
ndarray.mean(axis=None, dtype=None, out=None)：返回指定軸的數組元素均值
ndarray.cumsum(axis=None, dtype=None, out=None)：返回指定軸的元素累計和。如：
>>> a array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]]) >>> a.cumsum(axis=1) array([[ 0, 1, 3, 6], [ 4, 9, 15, 22], [ 8, 17, 27, 38]])
ndarray.sum(axis=None, dtype=None, out=None)：返回指定軸所有元素的和
ndarray.trace(offset=0, axis1=0, axis2=1, dtype=None, out=None)：返回沿對角線的數組元素之和
ndarray.round(decimals=0, out=None)：將數組中的元素按指定的精度進行四舍五入，如下：
>>> np.around([0.37, 1.64]) array([ 0., 2.]) >>> np.around([0.37, 1.64], decimals=1) array([ 0.4, 1.6]) >>> np.around([.5, 1.5, 2.5, 3.5, 4.5]) # rounds to nearest even value array([ 0., 2., 2., 4., 4.]) >>> np.around([1,2,3,11], decimals=1) # ndarray of ints is returned array([ 1, 2, 3, 11]) >>> np.around([1,2,3,11], decimals=-1) array([ 0, 0, 0, 10])
ndarray.conj()：返回所有復數元素的共軛復數,如：
>>> b=np.array([[1+2j,3+0j],[3+4j,7+5j]]) >>> b array([[ 1.+2.j, 3.+0.j], [ 3.+4.j, 7.+5.j]]) >>> b.conj() array([[ 1.-2.j, 3.-0.j], [ 3.-4.j, 7.-5.j]])