转载自：https://www.jianshu.com/p/dcc02facd405

注意： df1.where(cond,df2) 等价于 np.where(cond, df1, df2)

B = np.array([[1,0,0,0],[1,1,0,0], [1,1,1,0],[1,1,1,1]]) 输出结果： array([[1, 0, 0, 0], [1, 1, 0, 0], [1, 1, 1, 0], [1, 1, 1, 1]]) r = np.tril_indices_from(B) 输出结果：...

numpy.argsort(), numpy.argmax(), numpy.argmin()用法

http://blog.csdn.net/pipisorry/article/details/39087583

思路：首先将数组转成列表，然后利用列表的拼接函数append()、extend()等进行拼接处理，最后将列表转成数组。

NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。

http://blog.csdn.net/pipisorry/article/details/51822775

# 参考网站：http://cs231n.github.io/python-numpy-tutorial/

numpy对于多维数组的运算在默认情况下并不使用矩阵运算，进行矩阵运算可以通过matrix对象或者矩阵函数来进行；