np.ceil(多维数组)：对多维数组的各个数向上取整
np.floor（多维数组）：对多维数组的各个数向下取整
np.expand_dims（x,axis = 0）：在x的第一维度上插入一个维度，axis=1，在x的第二个维度上插入一个维度
例如：
x = np.array([[1,2,3],[4,5,6]])
print (x)
print (x.shape)
结果：
[[1 2 3]
[4 5 6]]
(2, 3)
axis = 0：
y = np.expand_dims(x,axis=0)
print (y)
print ("y.shape: ",y.shape)
print ("y[0][1]: ",y[0][1])
[[[1 2 3]
[4 5 6]]]
y.shape: (1, 2, 3)
y[0][1]: [4 5 6]
axis = 1：
y = np.expand_dims(x,axis=1)
print (y)
print( "y.shape: ",y.shape)
print ("y[1][0]: ",y[1][0])
结果：
[[[1 2 3]]
[[4 5 6]]]
y.shape: (2, 1, 3)
y[1][0]: [4 5 6]
np.concatenate（）
np.concatenate((np.arange(6), np.arange(5, -1, step=-1)))
结果：
[0 1 2 3 4 5 5 4 3 2 1 0]
np.squeeze（）函数可以删除数组形状中的单维度条目，即把shape中为1的维度去掉，但是对非单维的维度不起作用。
np.mod():x1 % x2,结果符号和x2的符号相同，x1，x2均为正数时，结果为其余数，有一个为负数时，结果为相除后的向下取整+x2的符号
print(np.mod(-5,3))
print(np.mod(5,2))
print(np.mod(5, 1))
print(np.mod(5, -3))
结果：
1
1
0
-1
np.any(weights, axis=0)：axis = 0,表示列，某一列有一个为真即为真，axis=1:表示行，有一个为真即为真
np.nonzero():返回非零元素的位置
#a是2维数组
a = np.array([[0,0,3],[0,0,0],[0,0,9]])
b = np.nonzero(a)
print(np.array(b).ndim)
print(b)
print(np.transpose(np.nonzero(a)))
结果：
2
(array([0, 2], dtype=int64), array([2, 2], dtype=int64))
[[0 2]
[2 2]]
