numpy(3)——numpy数组性质：属性、索引、切片、变形、拼接、分裂

一、numpy数组的属性 NumPy的数组类称作ndarray，通常称作数组。注意numpy.array和标准Python库类中的array.array并不相同，后者只处理一维数组和提供少量的功能。 ndarray是一个通用的同构数据多维容器。同构的意思就是所有元素是相同类型的。 本文中“数组”、“Numpy数组”、“ndarray”，基本都是指同一个东西，即ndarray对象。   1. 数组的维度 x.ndim                    #数组的维度。二维数组为2，三维数组为3，以此类推。【例1】【例2】   2. 数组的形状 x.shape                  #数组的形状。返回一个表示各维度大小的元组。【例2】   3. 数组的元素类型   x.dtype                   //数组中元素的类型。【例3】   4. 数组的元素个数 x.size                      //数组元素个数。【例4】     例1： import numpy as np   a=np.arange(10)               // b=a.reshape(2,5)              //后面讲。   print(b.ndim)                       #2。二维数组，所以维度为2。 例2： import numpy as np   a=np.arange(12) b=a.reshape(2,3,2)   print(b.ndim)                       #3。三维数组。 print(b.shape)                     #(2,3,2)。返回的是表示各维度大小的元组。 例3：返回数组中元素的类型。 import numpy as np   a=np.arange(10)  print(a.dtype)                      #int32。 例4： import numpy as np   a=np.arange(10) print(a.size)                        #10。因为有10个元素。     二、数组的索引 2.1 一维数组索引 跟Python的序列索引一样。比如 x = np.arange(10)， x[0]为0，x[-1]为9。   #假设a=[0,1,2,3,4,5,6,7,8,9] a[5]                        #5。 a[-1]                       #9。 a[1]=5                    #a变为[0 5 2 3 4 5 6 7 8 9]。 a[1]=5.2                 #a变为[0 5 2 3 4 5 6 7 8 9]。因为数组的类型是固定的，所以会进行转换。【例1】                                 2.2