1.3 创建三维数组
a2 = np.array([[[1,2,3],[4,5,6],[7,8,9],[10,11,12]]])
print(a2)
print(a2.shape)
结果：
可以看出shape方法返回的值中有多少个该数组就是几维数组。
2. 修改数组形状
在numpy中用reshape()方法修改数组的形状可以将n维数组修改到m维数组。
2.1 将1维数组变为3维数组
a3= np.array(range(24))
print(a3.shape) #原a3为1维数组
a4 = a3.reshape(2,3,4)
print(a4)
print(a4.shape)
结果：
2.2 将3维数组变到1维数组
a5 = a4.reshape(24,)
print(a5)
print(a5.shape)
结果：
在numpy中将多维数组变到1维数组还有一种方法，那就是flatten()方法，这种方法适用于我们不知道有多少个数组元素时使用。
a5 = a4.flatten()
print(a5)
print(a5.shape)
结果和上面相同。
3.数组的计算
3.1 数组与数字的计算
3.1.1 加法
数组内的每个元素都加上这个数。
import numpy as np
a = np.array(range(24))
b = a.reshape(4,6)
print(b)
print(b+1)
结果：
泥3.1.2 减法
数组内的每个元素都减去这个数。
import numpy as np
a = np.array(range(24))
b = a.reshape(4,6)
print(b)
print(b-1)
结果：
理3.1.3 乘法
数组内的每个元素都乘以这个数。
import numpy as np
a = np.array(range(24))
b = a.reshape(4,6)
print(b)
print(b*2)
结果：
痢3.1.4 除法
数组内的每个元素都除以这个数。
import numpy as np
a = np.array(range(24))
b = a.reshape(4,6)
print(b)
print(b/2)
结果：
特殊情况：当数组的元素除以0时，0/0返回的值时nan，而非0元素/0时返回的值为inf。
痢3.2 数组与数组的计算
前提：两数组的元素应该相同（当多维与一维计算时，应保证一维数组与多维数组的行或列相同）
3.2.1 广播原则
如果两个数组的后缘维度(trailing dimension，即从末尾开始算起的维度)的轴长度相符或其中一方的长度为1，则认为它们是广播兼容的。广播会在缺失和（或)长度为1的维度上进行。
通俗的来说就是当两数组的shape的值从末尾开始，若两数组的值相同或其中有一个的值为1，则这两个数组可以进行计算（加减乘除）。
⚽3.2.2 加法
俩数组内的每个元素对应相加。
import numpy as np
a = np.array(range(24))
a1 = np.array(range(40,64))
b = a.reshape(4,6)
b1 =a1.reshape(4,6)
print(b)
print(b1)
print(b+b1)
结果：
3.2.2 减法
俩数组内的每个元素对应相减。
import numpy as np
a = np.array(range(24))
a1 = np.array(range(40,64))
b = a.reshape(4,6)
b1 =a1.reshape(4,6)
print(b)
print(b1)
print(b1-b)
结果：
3.2.2 乘法
俩数组内的每个元素对应相乘。
import numpy as np
a = np.array(range(24))
a1 = np.array(range(40,64))
b = a.reshape(4,6)
b1 =a1.reshape(4,6)
print(b)
print(b1)
print(b1*b)
结果：
3.2.2 除法
俩数组内的每个元素对应相除。
import numpy as np
a = np.array(range(24))
a1 = np.array(range(40,64))
b = a.reshape(4,6)
b1 =a1.reshape(4,6)
print(b)
print(b1)
print(b1/b)
自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。
深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！
因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。
既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！
由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新
如果你觉得这些内容对你有帮助，可以添加V：vip1024c 备注Python获取（资料价值较高，非无偿）
学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！
一、Python所有方向的学习路线
Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
二、学习软件
工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。
三、全套PDF电子书
书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。
四、入门学习视频
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。
五、实战案例
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
六、面试资料
我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
eD56eD,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
五、实战案例
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
六、面试资料
我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
精彩文章
发表评论