Numpy数组对象ndarray
N维数组对象：ndarray
Python已有列表类型，为什么需要一个数组对象(类型)？
•数组对象可以去掉元素间运算所需的循环，使一维向量更像单个数据
•设置专门的数组对象，经过优化，可以提升这类应用的运算速度
观察：科学计算中，一个维度所有数据的类型往往相同
•数组对象采用相同的数据类型，有助于节省运算和存储空间
ndarray是一个多维数组对象，由两部分构成：
•实际的数据
•描述这些数据的元数据（数据维度、数据类型等）
ndarray数组一般要求所有元素类型相同（同质），数组下标从0开始
np.array()生成一个ndarray数组 （ndarray在程序中的别名是:array）
np.array()输出成[]形式，元素由逗号分割
轴(axis): 保存数据的维度；
秩(rank)：轴的数量
ndarray对象的属性：
ndarray的元素类型
ndarray为什么要支持这么多种元素类型？
对比：Python语法仅支持整数、浮点数和复数3种类型
•科学计算涉及数据较多，对存储和性能都有较高要求
•对元素类型精细定义，有助于NumPy合理使用存储空间并优化性能
•对元素类型精细定义，有助于程序员对程序规模有合理评估
非同质的ndarray对象：
