import numpy as np
NumPy 中定义的最重要的对象是称为 ndarray 的 N 维数组类型。 它描述相同类型的元素集合。 可以使用基于零的索引访问集合中的项目。
ndarray中的每个元素在内存中使用相同大小的块。 ndarray中的每个元素是数据类型对象的对象（称为 dtype）。
从ndarray对象提取的任何元素（通过切片）由一个数组标量类型的 Python 对象表示。
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
上面的构造器接受以下参数：
参数及描述
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 数组的所需数据类型，可选。
copy 可选，默认为true，对象是否被复制。
order C（按行）、F（按列）或A（任意，默认）。
subok 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。
ndmin 指定返回数组的最小维数。
一、ndarray 示例：
一维
n = np.array([1,2,3])
print (n)
# [1,2,3]二维
n = np.array([[1, 2], [3, 4]])
print(n)
#[[1 2]
[3 4]]指定最小维度
n = np.array([1,2,3],ndmin=2)
print(n)
# [[1 2 3]]指定数据类型 dtype
n = np.array([1, 2, 3], dtype = str)
print(n)
# ['1' '2' '3']NumPy - 数据类型
NumPy 支持比 Python 更多种类的数值类型。 下表显示了 NumPy 中定义的不同标量数据类型。
序号 数据类型及描述
1. bool_ 存储为一个字节的布尔值（真或假）
2. int_ 默认整数，相当于 C 的long，通常为int32或int64
3. intc 相当于 C 的int，通常为int32或int64
4. intp 用于索引的整数，相当于 C 的size_t，通常为int32或int64
5. int8 字节（-128 ~ 127）
6. int16 16 位整数（-32768 ~ 32767）
7. int32 32 位整数（-2147483648 ~ 2147483647）
8. int64 64 位整数（-9223372036854775808 ~ 9223372036854775807）
9. uint8 8 位无符号整数（0 ~ 255）
10. uint16 16 位无符号整数（0 ~ 65535）
11. uint32 32 位无符号整数（0 ~ 4294967295）
12. uint64 64 位无符号整数（0 ~ 18446744073709551615）
13. float_ float64的简写
14. float16 半精度浮点：符号位，5 位指数，10 位尾数
15. float32 单精度浮点：符号位，8 位指数，23 位尾数
16. float64 双精度浮点：符号位，11 位指数，52 位尾数
17. complex_ complex128的简写
18. complex64 复数，由两个 32 位浮点表示（实部和虚部）
19. complex128 复数，由两个 64 位浮点表示（实部和虚部）
每个内建类型都有一个唯一定义它的字符代码：
‘b’：布尔值
‘i’：符号整数
‘u’：无符号整数
‘f’：浮点
‘c’：复数浮点
‘m’：时间间隔
‘M’：日期时间
‘O’：Python 对象
‘S’, ‘a’：字节串
‘U’：Unicode
‘V’：原始数据（void）
二、数据类型对象 (dtype) 示例：
n = np.array(['2',3.6,'88'], dtype = np.int8)
print(n)
# [ 2 3 88]
dt = np.dtype([('age',np.int8)])
n = np.array([1, 2, 3], dtype = dt)
print(n)
# [(1,) (2,) (3,)]
print(n['age'])
# [1 2 3]
dt = np.dtype([('name','U20'),('age','i1')])
n = np.array([('tom',8),('kangkang','12'),('luxi','9')], dtype = dt)
print(n)
# [('tom', 8) ('kangkang', 12) ('luxi', 9)]NumPy - 数组属性
三、数组属性 示例
n = np.array([[1,2],[3,4]])
# 查看维度
print(n.shape)
# (2, 2)改变维度
n.shape = (4,1)
print(n)
[[1]
[2]
[3]
[4]]
以另一种方法改变维度，又回来了
n = n.reshape(2,2)
print(n)
[[1 2]
[3 4]]