NumPy 数组对象

Numpy 的核心内容是它的多维数组对象 ndarray（N-Dimensions Array），整个包几乎都是围绕这个对象展开。Numpy 本身并没有提供多么高级的数据结构和分析功能，但它是很多高级工具（如 pandas）构建的基础，在结构和操作上具有统一性。

理解 Numpy 的数组及面向数组的计算有助于更加高效地使用诸如 pandas 之类的工具。

ndarray 数据结构

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。

该对象由两部分组成：

元数据具体由如下几部分组成：

NumPy 中使用 array 函数创建数组，如下函数：

def array(p_object, dtype=None, copy=True, order='K', subok=False, ndmin=0):

上面的函数接受以下参数：

参数	描述
`p_object`	任何暴露数组接口方法的对象都会返回一个数组或任何（嵌套）序列。
`dtype`	可选，数组的所需数据类型。
`copy`	可选，默认为 `True`，对象是否被复制。
`order`	`可选，{'K', 'A', 'C', 'F'}，`指定数组的内存布局。如果指定对象不是数组，则新创建的数组将按 C 顺序排列（行排列），除非指定了 `'F'`，在这种情况下，它将采用 `Fortran` 顺序（列排列）；
`subok`	可选，默认情况下，返回的数组被强制为基类数组。如果为 `True`，则返回子类。
`ndimin`	可选，指定返回数组的最小维数。

import numpy as np

# 创建一维数组
ndarr = np.array([1, 2, 3])
print(ndarr)

输出如下：

[1, 2, 3]

import numpy as np

ndarr = np.array([[1, 2], [3, 4]])
print(ndarr)

输出如下：

[[1, 2] 
 [3, 4]]

import numpy as np

ndarr = np.array([1, 2, 3.0])
print(ndarr)

输出如下：

[1. 2. 3.]

import numpy as np

ndarr = np.array([1, 2, 3], ndmin=2)
print(ndarr)

输出如下：

[[1 2 3]]

import numpy as np

ndarr = np.array([1, 2, 3], dtype=complex)
print(ndarr)

输出如下：

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