在NumPy中有一个更好的方法，而不是将整个I和J矩阵存储在内存中（尽管meshgrid足以存储对原始向量的引用），只需存储形状向量然后广播其余的东西：如果没有indexing='ij'参数，然后meshgrid将更改参数的顺序，即J,I=np.meshgrid(j,i)-用于可视化3D图的“xy”模式（请参阅文档）。除了在2D或3D网格上初始化函数外，网格还可以用于索引数组：上面的方法同样适用于稀疏网格。7.矩阵统计和sum函数一样，NumPy提供了矩阵不同轴上的min/max、argmin/argmax、mean/median/percentile、std/var等函数。np.amin等同于np.min，同样是为了避免与fromnumpyimport*可能出现的歧义。2维及更高维度的argmin和argmax函数分别返回最小和最大索引，可以通过unravel\_index函数转换成二维坐标：all和any也可以作用于特定维度：8.矩阵排序虽然在上面，axis参数适用于不同的函数，但是在二维数组的排序中影响较小：我们通常不需要像上面这样的排序矩阵，axis也不能代替关键参数。但幸运的是，NumPy提供了其他允许按一个或多个列排序的函数：1.a[a[:,0].argsort()]表示按第一列对数组进行排序：其中，argsort返回排序索引的数组在原始数组之后。这个方法可以重复使用，但是一定不能混淆：a=a[a[:,2].argsort()]a=a[a[:,1].argsort(kind='stable')]a=a[a[:,0].argsort(kind='stable')]2.lexsort函数可以对所有列进行如上排序，但总是按行进行，排序后的行是倒序的（即从下到上），其用法如下：a[np.lexsort(np.flipud(a[2,5].T))]，先按第2列排序，再按第5列排序；a[np.lexsort(np.flipud(a.T))]，从左到右对列进行排序。
