numpy-np.ceil,np.floor,np.expand_dims方法

np.ceil(多维数组)：对多维数组的各个数向上取整

np.floor（多维数组）：对多维数组的各个数向下取整

np.expand_dims（x,axis = 0）：在x的第一维度上插入一个维度，axis=1，在x的第二个维度上插入一个维度

例如：

x = np.array([[1,2,3],[4,5,6]])
print (x)
print (x.shape)

结果：

[[1 2 3]
[4 5 6]]
(2, 3)

axis = 0：

y = np.expand_dims(x,axis=0)
print (y)
print ("y.shape: ",y.shape)
print ("y[0][1]: ",y[0][1])

[[[1 2 3]
[4 5 6]]]
y.shape: (1, 2, 3)
y[0][1]: [4 5 6]

axis = 1：

y = np.expand_dims(x,axis=1)
print (y)
print( "y.shape: ",y.shape)
print ("y[1][0]: ",y[1][0])

结果：

[[[1 2 3]]

[[4 5 6]]]
y.shape: (2, 1, 3)
y[1][0]: [4 5 6]

np.concatenate（）

np.concatenate((np.arange(6), np.arange(5, -1, step=-1)))

结果：

[0 1 2 3 4 5 5 4 3 2 1 0]

np.squeeze（）函数可以删除数组形状中的单维度条目，即把shape中为1的维度去掉，但是对非单维的维度不起作用。

np.mod():x1 % x2,结果符号和x2的符号相同，x1，x2均为正数时，结果为其余数，有一个为负数时，结果为相除后的向下取整+x2的符号

print(np.mod(-5,3)) 
print(np.mod(5,2))
print(np.mod(5, 1))
print(np.mod(5, -3))
结果：

1
1
0
-1

np.any(weights, axis=0)：axis = 0,表示列，某一列有一个为真即为真，axis=1:表示行，有一个为真即为真

np.nonzero():返回非零元素的位置

#a是2维数组
a = np.array([[0,0,3],[0,0,0],[0,0,9]])
b = np.nonzero(a)
print(np.array(b).ndim)
print(b)
print(np.transpose(np.nonzero(a)))
结果：
2
(array([0, 2], dtype=int64), array([2, 2], dtype=int64))
[[0 2]
[2 2]]