>>> a = np.arange(6).reshape(2,3)
>>> for x in np.nditer(a):
...     print x,
...
0 1 2 3 4 5

>>> for x in np.nditer(a.T):
...     print x,
...
0 1 2 3 4 5
>>> for x in np.nditer(a.T.copy(order='C')):
...     print x,
...
0 3 1 4 2 5

for x in np.nditer(a, order='F'):Fortran order，也即是列序優(yōu)先；
for x in np.nditer(a.T, order='C'):C order，也即是行序優(yōu)先；

>>> a
array([[0, 1, 2],
       [3, 4, 5]])
>>> for x in np.nditer(a, op_flags=['readwrite']):
...     x[...] = 2 * x
...
>>> a
array([[ 0,  2,  4],
       [ 6,  8, 10]])

>>> a = np.arange(6).reshape(2,3)
>>> for x in np.nditer(a, flags=['external_loop']):
...     print x,
...
[0 1 2 3 4 5]
>>>
>>> for x in np.nditer(a, flags=['external_loop'], order='F'):
...     print x,
...
[0 3] [1 4] [2 5]

>>> a = np.arange(6).reshape(2,3)
>>> a
array([[0, 1, 2],
       [3, 4, 5]])
>>> it = np.nditer(a, flags=['f_index'])
>>> while not it.finished:
...     print "%d <%d>" % (it[0], it.index),
...     it.iternext()
...
0 <0> 1 <2> 2 <4> 3 <1> 4 <3> 5 <5>
            # 索引的編號，以列序優(yōu)先

>>> it = np.nditer(a, flags=['multi_index'])
>>> while not it.finished:
...     print "%d <%s>" % (it[0], it.multi_index),
...     it.iternext()
...
0 <(0, 0)> 1 <(0, 1)> 2 <(0, 2)> 3 <(1, 0)> 4 <(1, 1)> 5 <(1, 2)>

# Create an array.
np.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0)
np.ndarray(shape, dtype=float, buffer=None, offset=0, strides=None, order=None)

>>> np.array([1, 2, 3])
array([1, 2, 3])
>>> np.array([1, 2, 3.0])
array([ 1., 2., 3.])
>>> np.array([[1, 2], [3, 4]])
array([[1, 2],
[3, 4]])
>>> np.array([1, 2, 3], ndmin=2)
array([[1, 2, 3]])
>>> np.array([1, 2, 3], dtype=complex)
array([ 1.+0.j, 2.+0.j, 3.+0.j])
>>> x = np.array([(1,2),(3,4)],dtype=[('a','<i4'),('b','<i4')])
>>> x['a']
array([1, 3])
>>> np.array(np.mat('1 2; 3 4'))
array([[1, 2],
[3, 4]])
>>> np.array(np.mat('1 2; 3 4'), subok=True)
matrix([[1, 2],
[3, 4]])
>>> np.ndarray(shape=(2,2), dtype=float, order='F')
array([[ -1.13698227e+002, 4.25087011e-303],
[ 2.88528414e-306, 3.27025015e-309]])  #random
>>> np.ndarray((2,), buffer=np.array([1,2,3]),
offset=np.int_().itemsize,
dtype=int)         # offset = 1 * itemsize, i.e. skip first element
array([2, 3])

   方法        描   述
| ndarray.flags  | 有關(guān)數(shù)組內(nèi)存布局的信息。     
| ndarray.shape  | 數(shù)組維度的元組。       
| ndarray.strides  | 遍歷數(shù)組時每個維度中的字節(jié)元組。   
| ndarray.ndim  | 數(shù)組維數(shù)。        
| ndarray.data  | Python緩沖區(qū)對象指向數(shù)組的數(shù)據(jù)的開頭。  
| ndarray.size  | 數(shù)組中的元素數(shù)。       
| ndarray.itemsize | 一個數(shù)組元素的長度，以字節(jié)為單位。   
| ndarray.nbytes  | 數(shù)組元素消耗的總字節(jié)數(shù)。     
| ndarray.base  | 如果內(nèi)存來自其他對象，則為基礎(chǔ)對象。

   方法   |  描   述
| ndarray.dtype  | 數(shù)組元素的數(shù)據(jù)類型。     

   方法   |  描   述
| ndarray.T   | 轉(zhuǎn)置數(shù)組。        
| ndarray.real  | 數(shù)組的真實部分。       
| ndarray.imag  | 數(shù)組的虛部。        
| ndarray.flat  | 數(shù)組上的一維迭代器。      
| ndarray.ctypes  | 一個簡化數(shù)組與ctypes模塊交互的對象。  

       方法            |          描   述 
| eye(N[, M, k, dtype, order])       | 返回一個二維數(shù)組，對角線上有一個，其他地方為零
| identity(n[, dtype])         | 返回標識數(shù)組。 
| ones(shape[, dtype, order])       | 返回給定形狀和類型的新數(shù)組，并填充為1
| ones_like(a[, dtype, order, subok, shape])    | 返回形狀與類型與給定數(shù)組相同的數(shù)組。
| zeros(shape[, dtype, order])       | 返回給定形狀和類型的新數(shù)組，并用零填充。
| zeros_like(a[, dtype, order, subok, shape])   | 返回形狀與類型與給定數(shù)組相同的零數(shù)組。 
| full(shape, fill_value[, dtype, order])    | 返回給定形狀和類型的新數(shù)組，并用fill_value填充
| full_like(a, fill_value[, dtype, order, …])   | 返回形狀和類型與給定數(shù)組相同的完整數(shù)組
| empty(shape[, dtype, order])       | 返回給定形狀和類型的新數(shù)組，而無需初始化條目
| empty_like(prototype[, dtype, order, subok, …])  | 返回形狀和類型與給定數(shù)組相同的新數(shù)組

|      方法                       |   描   述 
|  arange([start,] stop[, step,][, dtype])     | 返回給定間隔內(nèi)的均勻間隔的值。
|  linspace(start, stop[, num, endpoint, …])     | 返回指定間隔內(nèi)的等間隔數(shù)字。
|  logspace(start, stop[, num, endpoint, base, …])  |  返回數(shù)以對數(shù)刻度均勻分布。  
|  geomspace(start, stop[, num, endpoint, …])    | 返回數(shù)字以對數(shù)刻度（幾何級數(shù)）均勻分布。       
|  meshgrid(*xi, **kwargs)         | 從坐標向量返回坐標矩陣。 
| mgridnd_grid            | 實例，它返回一個密集的多維 “meshgrid”
| ogridnd_grid            | 實例，它返回一個開放的多維 “meshgrid”
        

      方法            描   述
| array(object[, dtype, copy, order, subok, ndmin]) | 創(chuàng)建一個數(shù)組
| asarray(a[, dtype, order])       | 將輸入轉(zhuǎn)換為數(shù)組
| asanyarray(a[, dtype, order])      | 將輸入轉(zhuǎn)換為ndarray，但通過ndarray子類
| ascontiguousarray(a[, dtype])      | 返回內(nèi)存中的連續(xù)數(shù)組（ndim > = 1）（C順序）
| asmatrix(data[, dtype])        | 將輸入解釋為矩陣
| copy(a[, order])         | 返回給定對象的數(shù)組副本
| frombuffer(buffer[, dtype, count, offset])   | 將緩沖區(qū)解釋為一維數(shù)組
| fromfile(file[, dtype, count, sep, offset])   | 根據(jù)文本或二進制文件中的數(shù)據(jù)構(gòu)造一個數(shù)組
| fromfunction(function, shape, **kwargs)    | 通過在每個坐標上執(zhí)行一個函數(shù)來構(gòu)造一個數(shù)組
| fromiter(iterable, dtype[, count])     | 從可迭代對象創(chuàng)建一個新的一維數(shù)組
| fromstring(string[, dtype, count, sep])    | 從字符串中的文本數(shù)據(jù)初始化的新一維數(shù)組
| loadtxt(fname[, dtype, comments, delimiter, …])  | 從文本文件加載數(shù)據(jù)

    方法                                 |     描 述  
| mat(data[, dtype])           | 將輸入解釋為矩陣
| bmat(obj[, ldict, gdict])         | 從字符串，嵌套序列或數(shù)組構(gòu)建矩陣對象
|  tril(m[, k])           |  數(shù)組的下三角。                               
|  triu(m[, k])           |  數(shù)組的上三角。                               
|  vander(x[, N, increasing])        | 生成范德蒙矩陣        
|  diag(v[, k])           |  提取對角線或構(gòu)造對角線數(shù)組。                 
|  diagflat(v[, k])          |  使用展平的輸入作為對角線創(chuàng)建二維數(shù)組。       
|  tri(N[, M, k, dtype])         |  在給定對角線處及以下且在其他位置為零的數(shù)組。