numpy ndarray 多维数组的内存管理

1. ndarray.flags：内存布局（layout）

https://docs.scipy.org/doc/numpy/reference/generated/numpy.ndarray.flags.html

>> x = np.random.rand(2, 4)
>> x.flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
  UPDATEIFCOPY : False

• C_CONTIGUOUS：C-style

• F_CONTIGUOUS：Fortran-style

• OWNDATA：拥有自己的数据还是从别的对象借来

  >> y = x[1, :]
  >> y.flags['OWNDATA']
  False
  

2. ndarray.__array_interface__：内存地址

>> x = np.random.rand(2, 4)
>> x.dtype
dtype('float64')

>> x.__array_interface__['data']
(140245892607552, False)
>> x[0].__array_interface__['data]
(140245892607552, False)
>> x[0, :].__array_interface__['data']
(140245892607552, False)

>> x[1].__array_interface__['data']
(140245892607584, False)
			# 140245892607584 = 140245892607552 + 4*8
>> x[1, :].__array_interface__['data']
(140245892607584, False)

以上无论是 x 是 x[0] 还是 x[0, :]，都是 numpy.ndarray 类型，对于 x[0, 0] 则是普通的 numpy.float64，其地址在另外的地址空间中：

>> x[0, 0].__array_interface__['data']
(140245864608576, False)