enumerate()，flatnonzero()，argsort()，array_split()，numpy.random.choice()

1. enumerate()函数

是python的内置枚举函数对于一个可迭代的（iterable）/可遍历的对象（如列表、字符串），enumerate将其组成一个索引序列，利用它可以同时获得索引和值
enumerate多用于在for循环中得到计数
使用：[python] view plain copylist1 = ["这", "是", "一个", "测试"]  
for index, item in enumerate(list1):   
    print index, item  
[python] view plain copy>>>  
0 这  
1 是  
2 一个  
3 测试  

2.flatnonzero()

该函数输入一个矩阵，返回扁平化后矩阵中非零元素的位置（index）
这是官方文档给出的用法，非常正规，输入一个矩阵，返回了其中非零元素的位置[python] view plain copy>>> x = np.arange(-2, 3)  
[python] view plain copy>>> x  
array([-2, -1,  0,  1,  2])  
>>> np.flatnonzero(x)  
array([0, 1, 3, 4])
特别地，用来返回某个特定元素的位置对向量元素的判断d==3返回了一个和向量等长的由0/1组成的矩阵，然后调用函数，返回的位置，就是对应要找的元素的位置。[python] view plain copyd = np.array([1,2,3,4,4,3,5,3,6])  
find_d = np.flatnonzero(d == 3)  
print find_d  
>>>  
[2,5,7]

3. argsort()函数

argsort函数返回的是数组值从小到大的索引值[python] view plain copy>>> x = np.array([3, 1, 2])  
>>> np.argsort(x) #按升序排列  
array([1, 2, 0])  
>>> np.argsort(-x) #按降序排列  
array([0, 2, 1])  
[python] view plain copy>>> x[np.argsort(x)] #通过索引值排序后的数组  
array([1, 2, 3])  
>>> x[np.argsort(-x)]  
array([3, 2, 1])  
[python] view plain copy另一种方式实现按降序排序：  
>>> a = x[np.argsort(x)]  
>>> a  
array([1, 2, 3])  
>>> a[::-1]  
array([3, 2, 1])     
当然，如果想排序不需要这样，可以直接使用sort()和sorted()函数：sort()改变原列表[python] view plain copy>>> a = [1,2,1,4,3,5]  
>>> a.sort()  
>>> a  
[1, 1, 2, 3, 4, 5]  

sorted()不改变原列表[python] view plain copy>>> a = [1,2,1,4,3,5]  
>>> sorted(a)  
[1, 1, 2, 3, 4, 5]  
>>> a  
[1, 2, 1, 4, 3, 5] 

4. array_split()函数

将列表拆分为几份首先是spilt()使用：[python] view plain copy>>> x = np.arange(9.0)  
>>> np.split(x, 3)  
[array([ 0.,  1.,  2.]), array([ 3.,  4.,  5.]), array([ 6.,  7.,  8.])]  
[python] view plain copy>>> x = np.arange(8.0)  
>>> np.split(x, [3, 5, 6, 10])  
[array([ 0.,  1.,  2.]), array([ 3.,  4.]), array([ 5.]), array([ 6.,  7.]), array([], dtype=float64)]  

array_split():
功能与split一样，唯一的区别是 array_split() 允许不均等地拆分原列表：[python] view plain copy<span style="font-size:14px;">>>> x = np.arange(8.0)  
>>> np.array_split(x, 3)  
[array([ 0.,  1.,  2.]), array([ 3.,  4.,  5.]), array([ 6.,  7.])]</span>  

numpy.random.choice

numpy.random.choice(a, size=None, replace=True, p=None)Generates a random sample from a given 1-D arrayNew in version 1.7.0.

Parameters:	a : 1-D array-like or int（左闭右开区间）If an ndarray, a random sample is generated from its elements. If an int, the random sample is generated as if a was np.arange(n)size : int or tuple of ints, optionalOutput shape. If the given shape is, e.g., (m, n, k), then m * n * k samples are drawn. Default is None, in which case a single value is returned.replace : boolean, optionalWhether the sample is with or without replacement（有无重复元素）p : 1-D array-like, optional（各个元素出现概率）The probabilities associated with each entry in a. If not given the sample assumes a uniform distribution over all entries in a.
Returns:	samples : 1-D ndarray, shape (size,)The generated random samples
Raises:	ValueErrorIf a is an int and less than zero, if a or p are not 1-dimensional, if a is an array-like of size 0, if p is not a vector of probabilities, if a and p have different lengths, or if replace=False and the sample size is greater than the population size