1、nonzero
对于一维数据来说，将返回符合条件的 下标
>>> b1 = np.array([True, False, True, False])
>>> np.nonzero(b1)
(array([0, 2]),)
对于二维数据来说，将返回两维 元组， 第一维是符合条件的 x的索引，第二维是符合条件的y的索引
>>> b2 = np.array([[True, False, True], [True, False, False]])
>>> np.nonzero(b2)
(array([0, 0, 1]), array([0, 2, 0]))
2、var, std, cov
var 是求方差， std 是标准差， cov是协方差, 分母位n-1
import numpy as np # 构建测试数据，均值为10
sc = [9.7, 10, 10.3, 9.7, 10, 10.3, 9.7, 10, 10.3] # 输出均值为10.0
print(np.mean(sc)) # 输出var, 即(0.09 + 0 + 0.09 + 0.09 + 0 + 0.09 + 0.09 + 0 + 0.09) = 0.54, 再0.54 / 9=0.06, 输出0.06
print(np.var(sc)) # 相当于0.06 开根号
print(np.std(sc)) # 0.54 / 8 = 0.0675
print(np.cov(sc))