Numpy ndarray：多维数组对象（使用jupyter notebook进行探索）

Numpy的核心特征之一就是N-维数组对象——ndarray。ndarray是Python中一个快速、灵活的大型数组容器。数组允许使用类似于标量的操作语法在整块数据上进行数学计算。

1.生成ndarray

生成数组最简单的方式就是array函数，array函数接收任意的序列行对象（也包括其他的数组），生成一个新的包含数据的Numpy数组。
例：将python列表转化为数组。

或者利用numpy数组生成函数进行操作
以np.arange举例,取值范围从0-49，步长为2生成Numpy数组：

数组生成函数

函数名	描述
array	将输入数据(可以是列表、元组、数组以及其他序列)转换为ndarray，如不显式指明数据类型，则自动推断；默认复制所有的输入数据
asarray	将输入转换为ndarray，但如果输入已经是ndarray则不再赋值
arange	Python内建函数range的数组版，返回一个数组
ones	根据给定形状和数据类型生成全为1的数组
ones_like	根据所给的数组生成一个形状一样全为1的数组
zeros	根据给定形状和数据类型生成全为0的数组
zeros_like	根据所给的数组生成一个形状一样全为0的数组
empty	根据给定形状生成一个形状一样但没有初始化数值的空数组(注意，空不代表为0)
empty_like	根据所给数组生成一个形状一样但没有初始化数值的空数组
full	根据给定形状和数据类型生生成指定数值的数组
full_like	根据所给的数组生成一个形状一样但内容是指定数值的数组
eye, identity	生成一个N × N特征举证(对角线位置都是1，其余位置是0)

2.查看ndarray的属性与数据类型

查看数组的维数用.ndim方法
查看数组的形状用.shape方法
查看数组的数据类型用.dtype方法
查看数组的大小用.size方法
查看数组的每个元素所占字节数用.itemsize方法
举例：查看数组Z的维数、形状、数据类型、大小、以及计算数组的内存大小

3.ndarray的数据类型

numpy的数据类型，即dtype，是一个特殊的对象，它包含了ndarry需要为某一种类型数据所申明的内存块信息(也称为元数据，即表示数据的数据),其可以在创建数组时指定。：

也可以由.astype方法显式地转换数组的数据类型
例：int类型与float类型的互转，注意，当float类型转为int类型后，小数点后被抹去

dtype通常按照一个方式命令：类型名，比如int与float，后面接上表明每个元素位数的数字。一个标准的双精度浮点值(pythpn中称为float),将使用8字节或64位，因此这个类型在Numpy中称为float64。

Numpy数据类型

类型	类型代码	描述
int8, uint8	i1,u1	有符号和无符号的8数位整数
int16, uint16	i2,u2	有符号和无