Numpy库的核心是高维数组，Numpy中的ndarray对象支持多维数组，数组类型的对象本身具有大小固定，数组内元素数据类型相同等特性。Numpy也提供了大量数值运算函数，能够直接有效的进行向量，矩阵运算。
创建数组
核心函数：
numpy.array([])：创建一维数组；
numpy.array([[],[]])：创建二维或多维
numpy.reshape()：复制一个不同维度的数组，只是维度不同，数据还是共享的
numpy.shape=2,3：直接修改维度
numpy.arange(start, end, step)：[start, end)区间，以step为步长的数组，其中start，end区间为前闭后开。
numpy.linspace(start, end, number, dtype): [start, end]区间，产生number个等距离的数据，dtype指定数据类型，其中的区间为闭区间。
numpy.zeros((m,n ), dtype=np.int16):初始化一个m*n的2维数组空间，但是不指定值（初始化成默认值）
numpy.ones((m, n)):与np.zeros类似；
numpy.empty((m, n)):与np.zeros类似；
代码示例
import numpy as np
创建一维数组：
array1 = np.array(range(8))
查看数组的数据结构：
array1.shape
修改shape属性，变为2维数组(2行3列)：
array1.shape = 2, 3
或者用reshape，复制出一个2维数组：
array2 = array1.reshape(2, 3)
上述中，array1和array2是共享数据内存的，即：修改array1的数组内数据，array2也会跟着改变。
也可以通过array直接创建多维数组，只需要传入的参数是多维数组即可：
array3 = np.array([[1, 2, 3], [4, 5, 6]])
通过arange创建一个数组：
array4 = np.arange(13, 1, -1)
通过linspace创建一个等分数组：
array5=np.linspace(1, 12, 12)
初始化一个数组空间，但是不指定值：
n = np.zeros((4, 5))
n2 = np.ones((4, 5), dtype = np.int16)
n3 = np.empty((4, 5), dtype = np.int16)
数组元素的索引和切片
数据切片：
array[start:end:step]:在[start, end)区间，按step步长来抽取数据。区间为前闭后开。如果不指定step，step默认为1，如果不指定end，则退化为只读取start位置的数据。切片生成的数组会和原来的数组共享内存空间，即，其中一个对其中一个数组元素的修改，会导致另一个数组的元素也发生修改。多维数组的情况，以二维数组为例：array[start1:end1:step1, start2:end2:step2]
array[[n1, n2, n3 ...]]:读取数组参数指定位置的数据；这种方法不共享内存空间。多维数组的情况，以二维数组为例：array[[n1,n2,n3 ...], [m1, m2, m3 ...]],会取到array[n1, m1], array[n2, m2], array[n3, m3]的值；
array[(n1, n2, n3), (m1, m3, m3)]: 与array[[n1,n2,n3], [m1, m2, m3])相同；