查看“Numpy”的源代码

http://bigsec.net/b52/scipydoc/numpy_intro.html

==ndarray==
*shape() #数组的形状，虽然len()可以运行
*size() #数组的总元素
*a=np,empty_like(b) #初始化一个和b数组一样shape的空数组
*产生序列数组 a=np.arange(20)
*合并两个数组 np.append(array1,array2)
*选择数组在某个范围之内 sel=np.where((wave < 6800) & (wave > 3800))
*asarray
*astype
*clip(a,a_min,a_max)
:array(a).clip(a_min.a_max)
*reduce,reduceat
:reduceat 有点复杂 参见[http://blog.chinaunix.net/uid-7596337-id-125815.html]
*unique
*sort    
*roll    #平移
*array[::-1]  数组倒序

===格式输出===
 x = np.random.random(10)
 np.set_printoptions(precision=3, suppress=True):
 print(x)
 print(np.array_str(x, precision=2))
 np.array2string(x, formatter={'float_kind':'{0:.3f}'.format})
 print(np.vectorize("%.2f".__mod__)(x))

*另外一个方法
 def ndprint(a, format_string ='{0:.2f}'):
    print [format_string.format(v,i) for i,v in enumerate(a)]

==vectorize==
*可以将只能对数值计算的函数，变成可以对数组计算，比如积分
 import scipy.integrate as integrate
   
     vec_expint=np.vectorize(expint) 
 def expint(t1,t2):
     return integrate.quad(CSFH,t1,t2)[0]

==随机数==
*random.rand(20,20)