numpy数组的基本使用
一、numpy数组与Python中列表的对比
效率对比
二、Ndarray数组属性
NumPy 数组的维数称为秩（rank），一维数组的秩为 1，二维数组的秩为 2，以此类推
在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumPy 中的轴（axis），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维数
很多时候可以声明 axis。axis=0，表示沿着第 0 轴进行操作，即对每一列进行操作；axis=1，表示沿着第1轴进行操作，即对每一行进行操作
常用属性
| 属性 | 说明 |
|---|---|
| ndim | 秩，即轴的数量或维度的数量 |
| shape | 数组的维度，对于矩阵，n 行 m 列 |
| size | 数组元素的总个数，相当于 .shape 中 n*m 的值 |
| dtype | ndarray 对象的元素类型 |
| itemsize | ndarray 对象中每个元素的大小，以字节为单位 |
| flags | ndarray 对象的内存信息 |
| real | ndarray 元素的实部 |
| imag | ndarray 元素的虚部 |
| data | 包含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性 |
1.ndim
2.shape
表示数组的维度，返回一个元组，这个元组的长度就是维度的数目，即 ndim 属性(秩)。比如，一个二维数组，其维度表示"行数"和"列数"
3.size dtype itemsize
4.flags
返回 ndarray 对象的内存信息
| 值 | 说明 |
|---|---|
| C_CONTIGUOUS © | 数据是在一个单一的C风格的连续段中 |
| F_CONTIGUOUS (F) | 数据是在一个单一的Fortran风格的连续段中 |
| OWNDATA (O) | 数组拥有它所使用的内存或从另一个对象中借用它 |
| WRITEABLE (W) | 数据区域可以被写入，将该值设置为 False，则数据为只读 |
| ALIGNED (A) | 数据和所有元素都适当地对齐到硬件上 |
| UPDATEIFCOPY (U) | 这个数组是其它数组的一个副本，当这个数组被释放时，原数组的内容将被更新 |
