1.改變數組形狀

數組的shape屬性返回一個元組，包括維度以及每個軸的元素數量，Numpy 還提供了一個reshape()方法，它可以改變數組的形狀，返回一個新的數組。

例如：

a = np.array([1,2,3,4,5,6,7,8])

轉換成二維數組：

b = a.reshape((2,4))

轉換成三維數組：

c = a.reshape((2,2,2))

但是需要注意的是，修改后的數組元素個數與原數組元素個數必須是一致的，不一致會報錯。 例如執行b = a.reshape((2,5))代碼會報“ValueError: cannot reshape array of size 8 into shape (2,5)”的錯誤。

2.索引和切片

在處理數據時，不可避免要對數據進行索引和切片，選擇數據的某幾行、某幾列數據等，Numpy 在這方面也非常強大，具體如下：

一維數組索引和切片一維數組索引和切片比較簡單，類似于Python的列表，例如：

a = np.array([1,2,3,4,5,6])
# 獲取第4個元素
a[4]
# 獲取前3個元素
a[:3]

多維數組索引和切片多維數組有多個軸，那么就需要對每個軸進行索引，此處以二維數組為例：

a = np.array([[1,2,3],[4,5,6]])
# 獲取某一行數據（第二行）
a[1]
# 獲取第二行第二個數據
a[1,1]

如果取第0軸前2個元素、第1軸前2個元素，那么切片如下：

a[:2,:2]

布爾索引

Numpy 布爾索引指的是根據bool類型True和False確定的索引，例如：

a = np.arange(10)
b = a<6
b

結果輸出如下：

array([ True,  True,  True,  True,  True,  True, False, False, False,
       False])

通過結果可以看到，元素值小于6的話，布爾索引值為True，否則為False。 如果想要過濾出來符合條件的結果，而不是輸出True和False，可以使用a[b]即a[a<6]實現。