标准安装的Python中用列表(list)保存一组值，可以用来当作数组使用，不过由于列表的元素可以是任何对象，因此列表中所保存的是对象的指针。这样为了保存一个简单的[1,2,3]，需要有3个指针和三个整数对象。对于数值运算来说这种结构显然比较浪费内存和CPU计算时间。此外Python还提供了一个array模块，array对象和列表不同，它直接保存数值，和C语言的一维数组比较类似。但是由于它不支持多维，也没有各种运算函数，因此也不适合做数值运算。

NumPy的诞生弥补了这些不足，NumPy提供了两种基本的对象：

ndarray（N-dimensional array object）和ufunc（universal function

object）。ndarray(下文统一称之为数组)是存储单一数据类型的多维数组，而ufunc则是能够对数组进行处理的函数。

简单的示范

import numpy as np

a = np.arange(10)

print(a)

a.reshape(2,5)

print(a)

print(a.dtype)

print(a.shape)

print(a.ndim)

print(a.size)

print(type(a))

创建Array

使用array函数，从Python列表或元组中创建

import numpy as np

a = np.array([2,3,4])

print(a)

print(a.dtype)

b = np.array([1.2, 4.6, 7.8])

print(b)

print(b.dtype)

c = np.array([(1,2,3), (4,5,6)])

print(c)

print(c.dtype)

创建复数数组

d = np.array( [ [1,2], [3,4] ], dtype=complex )

print(d)

print(d.dtype)

使用numpy中的函数来创建数组 创建全是0的数组

e = np.zeros((3,4))

print(e)

print(e.dtype)

创建全是1的数组

f = np.ones( (2,3,4), dtype=np.int16 )

print(f)

print(f.dtype)

使用随机数来填充

g = np.empty( (2,3) )

print(g)

print(g.dtype)

创建序列

h = np.arange( 10, 30, 5 )

print(h)

i = np.arange(0,2,0.3)

print(i)

j = np.linspace(0,2,9)

print(j)

print(len(j))

打印数组

打印numpy数组与Python列表基本一样，但有些差别。

print(np.arange(10000))

print(np.arange(10000).reshape(100,100))