Numpy 中的数组是一个元素表（通常是数字），所有元素类型相同，由正整数元组索引。在 Numpy 中，数组的维数称为数组的秩。给出数组沿每个维的大小的整数元组称为数组的形状。Numpy 中的数组类称为ndarray。Numpy 数组中的元素可以使用方括号访问，并且可以使用嵌套的 Python 列表进行初始化。例子 ：[[ 1, 2, 3], [ 4, 2, 5]] Here, rank = 2 (as it is 2-dimensional or it has 2 axes) First dimension(axis) length = 2, second dimension has length = 3 overall shape can be expressed as: (2, 3) 复制代码 # 演示基本数组特征的 Python 程序 import numpy as np # 创建数组对象 arr = np.array( [[ 1, 2, 3], [ 4, 2, 5]] ) # arr 对象的打印类型 print("Array is of type: ", type(arr)) # 打印数组维度（轴） print("No. of dimensions: ", arr.ndim) # 阵列的打印形状 print("Shape of array: ", arr.shape) # 数组的打印大小（元素总数） print("Size of array: ", arr.size) # 打印数组中元素的类型 print("Array stores elements of type: ", arr.dtype)输出 ：Array is of type: No. of dimensions: 2 Shape of array: (2, 3) Size of array: 6 Array stores elements of type: int64数组创建在 NumPy 中有多种创建数组的方法。例如，您可以使用array函数从常规 Python列表或元组创建一个数组。 结果数组的类型是从序列中元素的类型推导出来的。**通常，数组的元素最初是未知的，但它的大小是已知的。因此，NumPy 提供了几个函数来创建具有初始占位符内容的数组。这些最大限度地减少了增长阵列的必要性，这是一项昂贵的操作。例如： np.zeros、np.ones、np.full、np.empty 等。为了创建数字序列，NumPy 提供了一个类似于 range 的函数，它返回数组而不是列表。arange： 返回给定间隔内均匀分布的值。步长是指定的。linspace： 返回给定间隔内均匀分布的值。编号_的元素被返回。重塑数组： 我们可以使用reshape方法来重塑数组。考虑一个形状为 (a1, a2, a3, …, aN) 的数组。我们可以重新整形并将其转换为另一个形状为 (b1, b2, b3, …, bM) 的数组。需要的条件是：a1 x a2 x a3 … x aN = b1 x b2 x b3 … x bM 。（即数组的原始大小保持不变。）扁平化数组： 我们可以使用扁平化方法将数组的副本折叠成一维。它接受order参数。默认值为“C”（用于行优先顺序）。
