numpy库不具有的功能有numpy数组形状
    Numpy是Python中常用的科学计算库之一，它提供了丰富的数学函数和高效的数组操作功能。在Numpy中，数组的形状(shape)是一个非常重要的概念，它描述了数组的维度和大小。本文将介绍Numpy数组形状的相关知识。
    1. 数组形状的表示方式
    在Numpy中，数组形状通常以元组(tuple)的形式表示，例如：
    ```python
    import numpy as np
    a = np.array([[1, 2, 3], [4, 5, 6]])
    print(a.shape)
    ```
    输出结果为：
    ```python
    (2, 3)
    ```
    这表示数组a是一个2行3列的二维数组。其中，元组的第一个元素表示数组的行数，第二个元素表示数组的列数。
    如果我们想改变数组的形状，可以使用reshape()函数，例如：
    ```python
    b = np.arange(1, 7).reshape((2, 3))
    print(b.shape)
    ```
    输出结果为：
    ```python
    (2, 3)
    ```
    这里的reshape()函数将原始的一维数组[1, 2, 3, 4, 5, 6]变成了一个2行3列的二维数组。
    2. 改变数组形状的方法
    除了使用reshape()函数之外，还有一些其他方法可以改变数组的形状，例如：
    - flatten()函数：将一个多维数组变成一维数组。
    ```python
    c = np.array([[1, 2, 3], [4, 5, 6]])
    d = c.flatten()
    print(d)
    ```
    输出结果为：
    ```python
    [1 2 3 4 5 6]
    ```
    - ravel()函数：也可以将一个多维数组变成一维数组，但是它不会拷贝数组，而是返回一个数组的视图。
    ```python
    e = np.array([[1, 2, 3], [4, 5, 6]])
    f = e.ravel()
    print(f)
    ```
    输出结果为：
    ```python
    [1 2 3 4 5 6]
    ```
    - transpose()函数：将数组的行和列交换。
    ```python
    g = np.array([[1, 2, 3], [4, 5, 6]])
    h = g.transpose()
    print(h)
    ```
    输出结果为：
    ```python
    [[1 4]
    [2 5]
    [3 6]]
    ```
    3. 数组形状的应用
    数组形状在Numpy中的应用非常广泛，例如：
    - 矩阵乘法：要求两个矩阵的形状满足一定的条件。
    ```python
    i = np.array([[1, 2], [3, 4]])  # 2行2列的矩阵
    j = np.array([[5, 6], [7, 8]])  # 2行2列的矩阵
    k = np.dot(i, j)  # 矩阵乘法
    print(k)
    ```
    输出结果为：
    ```python
    [[19 22]
    [43 50]]
    ```
    - 广播(broadcasting)：Numpy中的广播机制允许对不同形状的数组进行运算。
    ```python
    l = np.array([[1, 2], [3, 4]])  # 2行2列的矩阵
    m = np.array([10, 20])  # 1行2列的数组
    n = l + m  # 广播
    print(n)
    ```
    输出结果为：
    ```python
    [[11 22]
    [13 24]]
    ```
    - 数组重塑：有时候我们需要将一个数组转换成另一个形状，以满足特定的需求。
    ```python
    o = np.array([1, 2, 3, 4, 5, 6])  # 一维数组
    p = np.reshape(o, (2, 3))  # 二维数组
    print(p)
    ```
    输出结果为：
    ```python
    [[1 2 3]
    [4 5 6]]
    ```
    总之，数组形状是Numpy中非常重要的概念，我们需要掌握如何表示、改变和应用数组形状，才能更好地利用Numpy进行数据分析和科学计算。