对于python数组来说，可以有三种格式：
- numpy包里的array格式，例如,创建一个三行而列的数组：
A = np.array([[1,2],[3,4],[5,6]])。 - matrix格式，例如：
B = np.matrix([[1,2],[3,4],[5,6]])。 - 利用list组成的数组，例如：
C = [[1,2],[3,4],[5,6]]。
可以看到，array 和matrix格式都是numpy包封装的，那么它俩有什么区别呢？其实从字面意思就可以看出来，array尝试实现我们数学课本中的数组，而matrix尝试实现我们数学课本中的矩阵，数组和矩阵的区别就是这两个数据结构的区别。即：matrix格式的运算完全满足矩阵运算规则，比如，上边创建的B矩阵，我们运算：B*B就会报错，原因是行列数不满足矩阵乘法的规则。
一般情况下，我们使用array格式就够了。
做了一个稍长的铺垫之后接下来进入正题，对于array格式的数组来说，numpy提供了一个方便的函数：np.trunc(arr)来执行取整操作。
看下边一个小例子：
A = np.array([[1.2,2.2,3.2,4.2],[5.2,6.2,7.2,8.2]])
B = np.trunc(A)
print(B)
输出结果：
[[1. 2. 3. 4.]
[5. 6. 7. 8.]]
可以看到，虽然已经将对应的元素取整，但是元素本身的格式依旧不是整数，如果需要保证元素本身就是int数据类型，那么需要添加这条语句：C = B.astype(int)
输出C，可以看到元素已经变成了int类型。
如果原始数据是list，处理之后还需要得到list数据，那么只需要加一条转换语句即可：D = C.tolist()
看起来如果以后想将数组里的元素取整，只需要转换成array格式，调用np.trunc(arr)，就可以解决一切问题了，没有别的函数什么事情了。其实不然，上帝给你打开了一扇窗，总会再给你挖一个坑。这种方法虽然简单易行，但是转换后的每个元素的格式是int32格式的，这个int32类型是经过numpy包二次封装的，在大多数情况下，和python基本的int数据类型没有什么区别，但是，当我们想把这个数组里的元素存放在json文件中，就会报这样的错误：99 is not JSON serializable。这是因为json是没有办法识别numpy包封装过的数据的。
好消息是，array转换成list的函数：A.tolist()函数贴心地提供了把数组里每个元素转换成基本数据类型的服务，只需要利用该函数转换之后，就可以放心地在json文件中保存啦。
