- 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
