numpy.append(arr, values, axis=None)
数据拼接
注意是两个数据的拼接
当不输入axis参数时，此时默认axis = None，两个array的shape可以不一样。否则会出错。
当输入axis参数时，其所对应axis值的shape被拼在一起，而其他的shape值应当一样。
此时两个array被拼接在了一起。
再来一例子：
可以看到是shape[2]（不同部分）被拼接了，但shape[0]和shape[1]（相同部分）没变
numpy.concatenate((a1, a2, ...), axis=0, out=None)
和numpy.append其实非常像，不过append只支持两个array的拼接，但concatenate支持多个array的拼接。
参数格式的要求也不太一样，append中前两个参数为输入的array，但concatenate中第一个参数为一个tuple。axis的含义是类似的。
另外concatenate不支持shape完全不同的array进行组合。
直接对一个array进行concatenate也是可以的，这相当于将list转为tuple后输入。
numpy.reshape(a, newshape, order='C')
改变数据的shape
第一个参数为array，第二个参数为新的shape
reshape也可以作为array的成员函数来使用，只有newshape这个参数
newshape中可以有一个dimension写成-1
numpy.clip(a, a_min, a_max, out=None)
取最大最小值
输入数组a，依次对每个数进行最大最小值操作：a[i] = max(a[i], a_max); a[i] = min(a[i], a_min);
numpy.genfromtxt(fname, dtype=<class'float'>, delimiter=None, encoding='bytes', ......)
从文件中读取数据
dtype：数据类型
delimiter：分隔符，默认情况下会以空白符为分隔
会自动按矩阵的形式读入，文件中的一行对应矩阵中的一行
例子一：
例子二：
文件：
读取：
numpy.ndarray.flatten(order='C')
将数据变成一维
numpy.power(x1, x2[, out])
对数组element-wise地取平方
x2可以是数，也可以是和x1shape一样的array
如：
numpy.nonzero(a)
返回array中值为非0元素的下标
如：
注意：这里返回tuple中有两个array，第一个array表示非零元素的第一维，第二个array表示非零元素的第二维，例如[0,0]表示第一个非零元素1的下标
求非0元素的值：
按元素来表示，而不是按维度来表示：
numpy.where(condition[, x, y])
condition为矩阵时，为True用x中的元素，为False用y中的元素（此时condition，x，y三个array的shape相同）
没有condition参数，默认情况下为numpy.nonzero()
如：
condition为矩阵时：
没有condition参数的默认情况：
同样没有condition参数，还可以直接加判断条件用：
