Numpy最重要的特点是 其N维数组对象ndarray,他是一系列同类型数据的集合，以 0 为下表 进行索引
ndarray 对象是用于存放同类型元素的多维数组。
ndarray 中的每个元素在内存中都有相同存储大小的区域。
Numpy 的一些属性
import numpy as np
a = np.array([1,2,3])
print (a)
输出结果如下：
[1, 2, 3]
# 多于一个维度
import numpy as np
a = np.array([[1, 2], [3, 4]])
print (a)
输出结果如下：
[[1, 2]
[3, 4]]
以上的输出结果可以看出什么是维度
print(a.ndim) #维度
print(a.shape) #维度，长度
print(a.size) #元素个数
打印输出如下：
Numpy 创建 array
a = np.array([1, 2, 3])
输出结果：
[1, 2, 3]
我们这样就创建了一个 一维 的array
如果我们创建 一个 二维 的 array:
a = np.array([[1, 2, 3],[4, 5, 6]])
输出结果：
[ [1, 2, 3]
[4, 5, 6]]
这样就创建了一个二维的array
这里我们可以 定义每种array的 type
a = np.array([1, 2, 3], dtype=np.int) #这里 array 的 type 就是 dtype ; int 为整数的意思
print(a.dtype)
这里我们可以看到 array 的格式为 int32
我们也可以自己定义 int 的位数：
a = np.array([1, 2, 3], dtype=np.int64) #这里我们定义为 64位 的array 格式
print(a.dtype)
输出如下：
int64 和 float64 位数都是可以更该 。位数越小 ，占用内存就越小
我还可以生成全部为零的array:
a = array.zeros((3,4),dtype=np.int16) #生成一个全部为零的 三行 四列的 array
print(a) #打印a
同理 我们只需要 用 one, empty, 等。。调换上述中 zeros , 即可替换
我们这里可以同样生成特定的 区域、
a = np.arange(10,20,2)
print(a)
我们也可以重新定义 a 的场和宽：
a = np.arange(12)
print(a)
a = np.arange(12).reshape((3,4)) #定义三行四列
我们这里也是可以生成线段的：
a = np.linspace((1,10,20)) #生成开头为1，结尾为10，20的意思就是说，1-10 中间有20段，自动匹配步长
print(a)
我们也是更改reshape的
a = np.linspace((1,10,20)).reshape((3,4))