NumPy 进阶技巧：让数据操作更上一层楼

• 布尔索引：使用布尔数组从数组中选择元素，例如：arr[arr > 5]
• 花式索引：使用整数数组或列表选择特定的行和列，例如：arr[[0, 2, 4], [1, 3, 5]]
• 沿轴索引：使用 . 或 ... 操作符沿特定轴选择元素，例如：arr[:, 1] 选择所有行的第二列

数组操作

• 通用函数 (ufunc)：提供元素级操作，例如 np.sin(arr) 和 np.add(arr1, arr2)
• 广播：当数组具有不同的形状时，自动扩展较小的数组以匹配较大的数组，从而实现元素级运算
• 聚合函数：使用 np.sum(arr)、np.mean(arr) 等函数对数组元素进行聚合，生成单个标量值

数组处理

• 切片：使用 [:]、[::] 和 [start:stop:step] 等切片操作符从数组中提取子集
• reshape 和 flatten：调整数组的形状或使其扁平化，例如：arr.reshape(3, 4) 和 arr.flatten()
• 排序和搜索：使用 np.sort(arr) 和 np.searchsorted(arr, value) 等函数对数组进行排序和搜索

线性代数

• 矩阵乘法：使用 np.dot(A, B) 或 A @ B 执行矩阵乘法
• 求逆和行列式：使用 np.linalg.inv(A) 和 np.linalg.det(A) 计算矩阵的逆和行列式
• 特征值和特征向量：使用 np.linalg.eig(A) 获得矩阵的特征值和特征向量

数组生成

• arange 和 linspace：生成一系列等距或线性间隔的值，例如：np.arange(0, 10) 和 np.linspace(0, 10, 100)
• random：通过 np.random 模块生成随机数和数组，例如：np.random.randn(5, 5)
• where：基于条件生成数组，例如：np.where(arr > 5, 1, 0)

输入输出

• 加载数据：使用 np.loadtxt() 和 np.load() 函数从文件和数据包中加载数据
• 保存数据：使用 np.savetxt() 和 np.save() 函数将数据保存到文件中
• 序列化和反序列化：使用 np.savez() 和 np.load() 函数将数组序列化为压缩的 .npz 文件

其他技巧

• 广播条件：使用 np.where() 函数基于条件广播数组，例如：np.where(arr > 5, arr, 0)
• 矢量化：使用 NumPy 函数和ufunc代替循环，提高代码效率
• 利用文档：参考 NumPy 文档以获取函数、方法和属性的详细说明