（1）numpy的位操作
序号 操作及描述
1. bitwise_and 对数组元素执行位与操作
2. bitwise_or 对数组元素执行位或操作
3. invert 计算位非
4. left_shift 向左移动二进制表示的位
5. right_shift 向右移动二进制表示的位
（2）NumPy - 字符串函数
以下函数用于对dtype为numpy.string_或numpy.unicode_的数组执行向量化字符串操作。 它们基于 Python 内置库中的标准字符串函数。
序号 函数及描述
1. add() 返回两个str或Unicode数组的逐个字符串连接
2. multiply() 返回按元素多重连接后的字符串
3. center() 返回给定字符串的副本，其中元素位于特定字符串的中央
4. capitalize() 返回给定字符串的副本，其中只有第一个字符串大写
5. title() 返回字符串或 Unicode 的按元素标题转换版本
6. lower() 返回一个数组，其元素转换为小写
7. upper() 返回一个数组，其元素转换为大写
8. split() 返回字符串中的单词列表，并使用分隔符来分割
9. splitlines() 返回元素中的行列表，以换行符分割
10. strip() 返回数组副本，其中元素移除了开头或者结尾处的特定字符
11. join() 返回一个字符串，它是序列中字符串的连接
12. replace() 返回字符串的副本，其中所有子字符串的出现位置都被新字符串取代
13. decode() 按元素调用str.decode
14. encode() 按元素调用str.encode
这些函数在字符数组类(numpy.char)中定义。 较旧的 Numarray 包含chararray类。 numpy.char类中的上述函数在执行向量化字符串操作时非常有用。
（3）NumPy - 算数函数
- 三角函数arcsin，arccos，和arctan函数返回给定角度的sin，cos和tan的反三角函数。 这些函数的结果可以通过numpy.degrees()函数通过将弧度制转换为角度制来验证。
- numpy.around()返回四舍五入到所需精度的值。numpy.around(a,decimals)
- numpy.floor()返回不大于输入参数的最大整数。即标量x 的下限是最大的整数i ，使得i <= x。 注意在Python中，向下取整总是从 0 舍入。
- numpy.ceil()返回输入值的上限，即，标量x的上限是最小的整数i ，使得i> = x。
（4）NumPy - 算数运算
- 用于执行算术运算(如add()，subtract()，multiply()和divide())的输入数组必须具有相同的形状或符合数组广播规则。
- numpy.reciprocal()此函数返回参数逐元素的倒数，。 由于 Python 处理整数除法的方式，对于绝对值大于 1 的整数元素，结果始终为 0， 对于整数 0，则发出溢出警告。
- numpy.power()将第一个输入数组中的元素作为底数，计算它与第二个输入数组中相应元素的幂。
- numpy.mod()返回输入数组中相应元素的除法余数。 函数numpy.remainder()也产生相同的结果。
- 对含有复数的数组执行操作。numpy.real() 返回复数类型参数的实部。numpy.imag() 返回复数类型参数的虚部。numpy.conj() 返回通过改变虚部的符号而获得的共轭复数。numpy.angle() 返回复数参数的角度。 函数的参数是degree。 如果为true，返回的角度以角度制来表示，否则为以弧度制来表示。
（5）NumPy - 统计函数
NumPy 有很多有用的统计函数，用于从数组中给定的元素中查找最小，最大，百分标准差和方差等。 函数说明如下：numpy.amin() 和 numpy.amax()
- numpy.ptp()函数返回沿轴的值的范围(最大值 - 最小值)
- numpy.percentile()百分位数是统计中使用的度量，表示小于这个值得观察值占某个百分比。
- numpy.median()中值定义为将数据样本的上半部分与下半部分分开的值，即中位数。
- numpy.mean()算术平均值是沿轴的元素的总和除以元素的数量。 numpy.mean()函数返回数组中元素的算术平均值。 如果提供了轴，则沿其计算。
- numpy.average()加权平均值是由每个分量乘以反映其重要性的因子得到的平均值。根据在另一个数组中给出的各自的权重计算数组中元素的加权平均值。
- Numpy.std()标准差是与均值的偏差的平方的平均值的平方根。
- np.var()方差是偏差的平方的平均值
(6) NumPy - 排序、搜索和计数函数
NumPy中提供了各种排序相关功能。 这些排序函数实现不同的排序算法，每个排序算法的特征在于执行速度，最坏情况性能，所需的工作空间和算法的稳定性。 下表显示了三种排序算法的比较。
| 种类 | 速度 | 最坏情况 | 工作空间 | 稳定性 |
| 'quicksort'(快速排序) | 1 | O(n^2) | 0 | 否 |
| 'mergesort'(归并排序) | 2 | O(n*log(n)) | ~n/2 | 是 |
| 'heapsort'(堆排序) | 3 | O(n*log(n)) | 0 | 否 |
- numpy.sort()函数返回输入数组的排序副本。 numpy.sort(a, axis, kind, order)
- numpy.argsort()对输入数组沿给定轴执行间接排序，并使用指定排序类型返回数据的索引数组。 这个索引数组用于构造排序后的数组。
- numpy.lexsort()函数使用键序列执行间接排序。 键可以看作是电子表格中的一列。 该函数返回一个索引数组，使用它可以获得排序数据。 注意，最后一个键恰好是 sort 的主键。
- numpy.argmax() 和 numpy.argmin() 分别沿给定轴返回最大和最小元素的索引。
- numpy.nonzero()函数返回输入数组中非零元素的索引。
- numpy.extract()返回满足任何条件的元素。
(7)NumPy - 字节交换
我们已经知道，存储在计算机内存中的数据取决于 CPU 使用的架构。 它可以是小端(最小有效位存储在最小地址中)或大端(最小有效字节存储在最大地址中)。numpy.ndarray.byteswap()函数在两个表示：大端和小端之间切换。
（8）NumPy - 副本和视图
在执行函数时，其中一些返回输入数组的副本，而另一些返回视图。 当内容物理存储在另一个位置时，称为副本。 另一方面，如果提供了相同内存内容的不同视图，我们将其称为视图。
- Id()简单的赋值不会创建数组对象的副本。 相反，它使用原始数组的相同id()来访问它。 id()返回 Python 对象的通用标识符，类似于 C 中的指针。
- ndarray.view()方法，它是一个新的数组对象，并可查看原始数组的相同数据。 与前一种情况不同，新数组的维数更改不会更改原始数据的维数。
- ndarray.copy()函数创建一个深层副本。 它是数组及其数据的完整副本，不与原始数组共享。
