NumPy（Numerical Python的简称）是高性能科学计算和数据分析 的基础包。
NumPy的ndarray：一种多维数组对象
ndarray是一个通用的同构数据多维容器，也就是说，其中的所有 元素必须是相同类型的。每个数组都有一个shape（一个表示各维度大 小的元组）和一个dtype（一个用于说明数组数据类型的对象）
N维数组对象（即ndarray）
创建：
1. 使用array函数
1. 接受一切序列型 的对象（包括其他数组），然后产生一个新的含有传入数据的NumPy数组
In [1]: data1 = [6, 7.5, 8, 0, 1]
In [2]: arr1 = np.array(data1)
In [3]: arr1
Out[3]: array([ 6. , 7.5, 8. , 0. , 1. ])
arr2d = np.array([[1,2,3],[4,5,6],[7,8,9]])
2. 嵌套序列（比如由一组等长列表组成的列表）将会被转换为一个多维数组
In [4]: data2 = [[1, 2, 3, 4], [5, 6, 7, 8]]
In [5]: arr2 = np.array(data2)
In [6]: arr2
Out[6]: array([[1, 2, 3, 4], [5, 6, 7, 8]])
3. 比如，zeros和 ones分别可以创建指定长度或形状的全0或全1数组。
empty可以创建一个没有任何具体值的数组
认为np.empty会返回全0数组的想法是不安全的。很多情况 下（如前所示），它返回的都是一些未初始化的垃圾值。eye：单位矩阵
np.zeros((3, 6))
4. arange是Python内置函数range的数组版： np.arange(15)
数据类型
由于NumPy关注的是数值计 算，因此，如果没有特别指定，数据类型基本都是float64（浮点数）。ndim返回的是数组的维度，返回的只有一个数，该数即表示数组的维度。
数据类型保存在一个特殊的 dtype对象中
In[7]: arr1 = np.array([1, 2, 3], dtype=np.float64)
In[8]: arr1.dtype
Out[8]: dtype('float64')
数值型 dtype的命名方式相同：一个类型名（如float或int），后面跟一个用于表 示各元素位长的数字。
类型转换：通过ndarray的astype方法显式地转换其dtype
In [9]: arr = np.array([1, 2, 3, 4, 5])
In [10]: arr.dtype
Out[10]: dtype('int64')
In [11]: float_arr = arr.astype(np.float64)
In [12]: float_arr.dtype
Out[12]: dtype('float64')
如果将浮点数转换成整数， 则小数部分将会被截断如果某字符串数组表示的全是数字，也可以用astype将其转换为 数值形式
