问题：
为什么第一次输出矩阵形式的数据，第二次输出list形式的数据？
详见代码：
a = np.array([[1, 2], [3, 4]])
print(a)
print('ndim :', a.ndim)
控制台输出：
[[1 2]
[3 4]]
ndim : 2
然而，代码修改一下：
b = np.array([[11, 12], [14, 16, 17]])
print(b)
print(type(b))
控制台输出：
[list([11, 12]) list([14, 16, 17])]
<class 'numpy.ndarray'>
答案：
第二次输出元素 [ [11, 12], [14, 16, 17] ] 在形式上不能用矩阵形式输出，不对称。
问题：
array(p_object, dtype=None, copy=True, order='K', subok=False, ndmin=0)
order : {'K', 'A', 'C', 'F'}, optional
Specify the memory layout of the array. order参数用于：指定数组的内存布局。
order的作用体现在哪里？
怎么才能看出数组的内存布局？
答案：
ndarray.flags属性， 查看ndarray对象的内存信息
C_CONTIGUOUS : True c_contiguous(连续的）
F_CONTIGUOUS : False f_contiguous
OWNDATA : True own data
WRITEABLE : True writeable
ALIGNED : True aligned（对齐）
WRITEBACKIFCOPY : False write back if copy
UPDATEIFCOPY : False update if copy
sin()：
Parameters
----------
x : array_like
Angle, in radians (:math:`2 \pi` rad equals 360 degrees).
2 \pi = 2π
360°等于2π弧度
在数学和物理中,弧度是角的量度单位.它是由国际单位制导出的单位,单位缩写是rad.（radians）
弧度定义：弧长等于圆半径的弧所对的圆心角为1弧度
根据定义,一周的弧度数为2πr/r=2π, 360°角＝2π弧度,因此,1弧度约为57.3°,即57°17'44.806'',1°为π/180弧度,近似值为0.01745弧度,周角为2π弧度, 平角（即180°角）为π弧度, 直角为π/2弧度.
在具体计算中,角度以弧度给出时,通常不写弧度单位,直接写值.最典型的例子是三角函数,如sin 8π、tan (3π/2).
弧长公式：
l rad=nπr/180
在这里,n就是角度数.
np.repeat()使用技巧
c = np.array([[1, 2, 3]])
c = c.reshape(-1, 3).repeat(2, 0)
输出c:
[[1, 2, 3],
[1, 2, 3]]
=====================
cc = c.reshape(-1, 3)
# -1代表不管行数，只是确定列数为3 # repeat用法
d = c.reshape(-1, 3)
d.repeat(2, 0) 可以
d.repeat(preats=2, axis=0) 可以
np.repeat(d, 2, 0) 也可以
问题：
同样是order排序，传入'C'，'F'不同，则打印不同？
代码：
import numpy as np
a = np.arange(0, 60, 5).reshape((3, 4))
print(a)
for x in np.nditer(a,flags=['external_loop'], order='C'):
print(x, end=', ')
控制台输出：
[[ 0 5 10 15]
[20 25 30 35]
[40 45 50 55]]
[ 0 5 10 15 20 25 30 35 40 45 50 55],
然而，代码：
import numpy as np
a = np.arange(0, 60, 5).reshape((3, 4))
print(a)
for x in np.nditer(a,flags=['external_loop'], order='F'):
print(x, end=', ')
控制台输出：
[[ 0 5 10 15]
[20 25 30 35]
[40 45 50 55]]
[ 0 20 40], [ 5 25 45], [10 30 50], [15 35 55],
答案：
迭代器遍历对应于每列，并组合为一维数组。（默认）
问题：
a.T在nditer中迭代不应该输出
[[0 3]
[1 4]
[2 5]]
吗？
代码：
a = np.arange(6).reshape(2, 3)
print(a)
print(a.T)
print(a.T.flags)
for x in np.nditer(a.T):
print(x, end=', ')
print('\n')
控制台输出：
[[0 1 2]
[3 4 5]] [[0 3]
[1 4]
[2 5]] C_CONTIGUOUS : False
F_CONTIGUOUS : True
OWNDATA : False
WRITEABLE : True
ALIGNED : True
WRITEBACKIFCOPY : False
UPDATEIFCOPY : False 0, 1, 2, 3, 4, 5,
答案：
np.nditer(..., order='K') ：
order参数默认‘K’
源码中，as close sth. as possible ： 尽可能靠近
'K' means as close to the order the array elements appear in memory as possible.
翻译：'K' 意味着，（顺序要）尽可能靠近内存中出现的的数组的元素顺序。
=============================================