NumPy的目标是奠定Python科学计算的基石。

The goal of NumPy is to create the corner-stone for a useful environment for scientific computing.

——特拉维斯·奥列芬特（Travis Oliphant）

array.tolist（）将ndarray对象转化为列表

for x, y in np.nditer（[a,b]）应用广播原则，生成两元迭代器

numpy.arange（2,10,2）生成一个以2为首项，8为末项，公差为2的等差数列

numpy.array（['2005-02-25','2011-12-25','2020-09-20'],dtype = 'M'）生成数据类型为日期的narray对象

numpy.array（ndarray_obj,copy = False,dtype = 'f'）使用array（）函数生成ndarray对象，且不复制原ndarray对象，并把数据类型更改为浮点数型

numpy.fromfunction（lambda i, j: i == j,（3, 3）, dtype=int）通过lambda匿名函数生成ndarray对象

numpy.fromfunction（sum_of_indices,（5, 3））通过自定义函数sum_of_indices和给定的网格范围（5,3）生成ndarray对象

numpy.linspace（2,10,4）生成的等差数列是在2和10之间，数列的元素个数为4个

numpy.logspace（start =1,stop = 10,num = 3, base = 3）生成一个以1为首项，10为末项，3为公比，元素个数为3的等比数列

numpy.meshgrid（x, y,indexing = 'xy'）生成一个几何形式的网格

numpy.nditer（x,order = 'C'）以行优先的次序生成ndarray对象x的迭代器，可以用来遍历x中的所有元素

numpy.where（a<5,a+0.1,a+0.2）使用where（）函数过滤ndarray中只符合要求的元素

time.time（）获得当前时间

with np.nditer（data, op_flags=['readwrite']）as it：通过nditer（）函数生成迭代器以修改data中元素的数值，data是一个自定义的ndarray对象 XMlLfzXA8faxpFPZmgy0LTsVSLb1G6UoFFePtk5rMYoHrcEn8QUozog1ek7LnplE