引言

Python中有个非常重要的第三方库 Numpy, 它不仅是Python中使用最多的第三方库，还是 SciPy、Pandas 等数据科学的基础。Numpy 提供的数据结构比Python 自身更高级更高效，是Python 数据分析的基础。

使用 Numpy 更高效

标准 Python 列表保存数组的元素值可以变化的，因此保存的是对象的指针，元素在系统内存中是分散的。而 Numpy 保存的数组存储在一个均匀连续的内存块中

Numpy 的两个重要对象

ndarry

ndarry （N-dimensional array object）解决多维数组的问题

一个ndarry 是具有相同类型和大小的多维容器

shape : 表示数据维的元组

dtype : 表示数据的类型

Example-01 : 尺寸为 2 x 3 的二维数组

尺寸为 2 x 3 的二维数组  
>>> x = np.array([[1,2,3],[4,5,6]],np.int32)  
>>> type(x)
    <class 'numpy.ndarray'>  
>>> x.shape
    (2, 3)
x.dtype
    dtype('int32')

Example-02 : 尺寸为 3 x 3 x 3 的三维数组

>>> y = np.array([[ [ 0,  1,  2],
                [ 3,  4,  5],
                [ 6,  7,  8]    ],

            [   [ 9, 10, 11],
                [12, 13, 14],
                [15, 16, 17]    ],

            [   [18, 19, 20],
                [21, 22, 23],
                [24, 25, 26]    ]])
>>> type(y)
    <class 'numpy.ndarray'>
>>> y.shape
    (3, 3, 3)
>>> y.dtype
    dtype('int32')