B01_NumPy Ndarray对象(ndarray内容结构，参数，多维，最小维度，dtype参数)

NumPy Ndarray对象

NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。

ndarray 对象是用于存放同类型元素的多维数组。
ndarray 中的每个元素在内存中都有相同存储大小的区域。
ndarray 内部由以下内容组成：

1. 一个指向数据（内存或内存映射文件中的一块数据）的指针。
2. 数据类型或 dtype，描述在数组中的固定大小值的格子。
3. 一个表示数组形状（shape）的元组，表示各维度大小的元组。
4. 一个跨度元组（stride），其中的整数指的是为了前进到当前维度下一个元素需要"跨过"的字节数。
   ndarray 的内部结构:
   
   跨度可以是负数，这样会使数组在内存中后向移动，切片中 obj[::-1] 或 obj[:,::-1] 就是如此。

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

参数说明：

名称	描述
object	数组或嵌套的数列
dtype	数组元素的数据类型，可选
copy	对象是否需要复制，可选
order	创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）
subok	默认返回一个与基类类型一致的数组
ndmin	指定生成数组的最小维度

实例

接下来可以通过以下实例帮助我们更好的理解。

# -*- coding: UTF-8 -*-

import numpy as np
a = np.array([1,2,3])
print(a)

输出结果如下：

[1 2 3]

实例2

import numpy as np

# 多于一个维度
a = np.array([[1,2],[3,4]])
print(a)

运行结果：

[[1 2]
 [3 4]]

实例3

# 最小维度
import numpy as np
a = np.array([1,2,3,4,5], ndmin = 2)
print(a)

输出如下：

[[1 2 3 4 5]]

实例4

# dtype 参数
import numpy as np
a = np.array([1,2,3], dtype = complex)
print(a)

输出结果：

[1.+0.j 2.+0.j 3.+0.j]

ndarray 对象由计算机内存的连续一维部分组成，并结合索引模式，将每个元素映射到内存块中的一个位置。内存块以行顺序(C样式)或列顺序(FORTRAN或MatLab风格，即前述的F样式)来保存元素。