NumPy 数组操作秘籍，助力数据处理与科学计算。

1 数组创建与操作 

创建数组：numpy.array([1, 2, 3])
创建等差序列：numpy.arange(start, stop, step)
创建均匀分布的值：numpy.linspace(start, stop, num)
创建全零数组：numpy.zeros(shape)
创建全一数组：numpy.ones(shape)
创建单位矩阵：numpy.eye(n)
重塑数组：array.reshape(new_shape)
扁平化数组：array.flatten()
转置数组：array.T
水平拼接数组：numpy.hstack((array1, array2))
垂直拼接数组：numpy.vstack((array1, array2))
分割数组：numpy.split(array, indices_or_sections)

2 数组索引与切片 

访问元素：array[i]
切片数组：array[start:stop:step]
访问最后一个元素：array[-1]
访问多个元素：array[[1, 3, 5]]
使用布尔索引：array[array > 0]
通过索引设置元素：array[i] = value
反转数组：array[::-1]

3 数学运算 

逐元素相加：array1 + array2
逐元素相减：array1 - array2
逐元素相乘：array1 * array2
逐元素相除：array1 / array2
计算点积：numpy.dot(array1, array2)
计算矩阵乘法：numpy.matmul(array1, array2)
逐元素求平方根：numpy.sqrt(array)
逐元素求指数：numpy.exp(array)
逐元素求对数：numpy.log(array)
逐元素求正弦值：numpy.sin(array)
逐元素求余弦值：numpy.cos(array)
逐元素求和：numpy.sum(array)
计算累积和：numpy.cumsum(array)

4 统计运算 

计算均值：numpy.mean(array)
计算中位数：numpy.median(array)
计算标准差：numpy.std(array)
计算方差：numpy.var(array)
查找最小值：numpy.min(array)
查找最大值：numpy.max(array)
查找最小值的索引：numpy.argmin(array)
查找最大值的索引：numpy.argmax(array)
计算相关系数：numpy.corrcoef(array1, array2)

5 随机操作 

生成随机数：numpy.random.rand(shape)
生成随机整数：numpy.random.randint(low, high, size)
打乱数组：numpy.random.shuffle(array)
随机选择元素：numpy.random.choice(array, size)

6 线性代数 

计算特征值和特征向量：numpy.linalg.eig(array)
求解线性方程组：numpy.linalg.solve(A, b)
计算矩阵行列式：numpy.linalg.det(array)
计算矩阵的逆：numpy.linalg.inv(array)

7 数组比较 

逐元素相等比较：array1 == array2
逐元素不等比较：array1 != array2
检查是否有元素为True：numpy.any(array)
检查所有元素是否都为True：numpy.all(array)

8 排序 

对数组进行排序：numpy.sort(array)
沿指定轴排序：numpy.sort(array, axis=0)
获取排序后元素的索引：numpy.argsort(array)

9 集合操作 

查找唯一元素：numpy.unique(array)
查找交集：numpy.intersect1d(array1, array2)
查找并集：numpy.union1d(array1, array2)
查找差集：numpy.setdiff1d(array1, array2)

10 广播机制 

对不同形状的数组执行操作：广播机制会自动扩展较小的数组。
重塑数组以方便广播。

11 内存效率 

使用NumPy的视图（例如array.view()）进行高效内存切片。
使用numpy.copy()创建数组的深拷贝。

12 向量化 

使用向量化操作提升性能。
尽可能避免显式循环。

13 文件输入/输出 

将数组保存到文本文件：numpy.savetxt(filename, array)
从文本文件加载数组：numpy.loadtxt(filename)

14 日期处理 

使用numpy.datetime64进行日期和时间操作。

15 多项式运算 

定义多项式：numpy.poly1d([系数])
计算多项式的值：poly(x)

16 图像处理 

使用NumPy进行基本的图像处理（例如裁剪、调整大小）。

17 掩码数组 

使用掩码数组（numpy.ma）处理缺失或无效数据。

18 插值 

对数据进行插值：numpy.interp(x, xp, fp)

19 傅里叶变换 

执行一维傅里叶变换：numpy.fft.fft(array)
执行二维傅里叶变换：numpy.fft.fft2(array)

20 常数 

访问数学常数，如numpy.pi和numpy.e。

21 多项式拟合 

对数据进行多项式拟合：numpy.polyfit(x, y, degree)

22 内存映射 

使用内存映射数组高效访问大型数据集。

23 多项式求根 

求多项式的根：numpy.roots(系数)

24 N维数组 

创建N维数组：numpy.ndarray(shape)

25 掩码值 

根据条件掩码值：numpy.ma.masked_where(condition, array)

26 NaN和无穷值处理 

处理NaN和无穷值：numpy.isnan()和numpy.isinf()

27 堆叠 

沿新轴堆叠数组：numpy.stack(arrays, axis)

28 直方图 

计算直方图：numpy.histogram(array, bins)

29 卷积 

执行一维卷积：numpy.convolve(array1, array2)
执行二维卷积：numpy.convolve2d(array1, array2)

30 广播规则 

理解并利用NumPy的广播规则。

31 克罗内克积 

计算克罗内克积：numpy.kron(array1, array2)

32 花式索引 

使用索引数组进行高级索引。

33 多项式积分 

对多项式进行积分：numpy.polyint(poly)

34 NaN处理 

处理NaN值：numpy.nan_to_num(array)

35 向量堆叠 

将一维数组堆叠成二维数组：numpy.column_stack((array1, array2))

36 网格生成 

创建坐标网格：numpy.meshgrid(x, y)

37 多项式求导 

对多项式求导：numpy.polyder(poly)

38 多项式求值 

在特定值处计算多项式的值：numpy.polyval(poly, x)

39 步长技巧 

使用numpy.lib.stride_tricks实现高效内存使用。

40 C序与F序 

根据访问模式理解并选择数组顺序（C序或Fortran序）。

41 NaN传播 

使用numpy.nanmean()等函数妥善处理NaN值。

42 einsum函数 

利用numpy.einsum进行高级张量运算。

这些技巧涵盖了NumPy的广泛功能。根据具体用例，某些技巧可能比其他技巧更适用。