python之numpy多维数组
NumPy(Numerical Python) 是 Python 语⾔的⼀个扩展程序库，⽀持⼤量的维度数组与矩阵运算，此外也针对数组运算提供⼤量的数学函数库。
今天就针对多维数组展开来写博客
numpy其⼀部分功能如下：
1.ndarray，是具有⽮量算术运算且节省空间的多维数组。
2.可以⽤于对整组的数据快速进⾏运算的辨准数学函数。
3.能够⽤于读写磁盘数据的⼯具以及⽤于操作系统内存映射的⼯具。
NumPy它本⾝其实没有提供很⾼级别的数据分析功能，NumPy之于数值计算特别重要的原因之⼀，
就是因为它能够⾼效的处理⼤数组的数据。
这是因为：
1.NumPy是在⼀个连续的内存块中存储数据，独⽴于其他的Python内置对象。
2.NumPy可以在整个数组上执⾏复杂的计算，⽽不需要Python的for循环。
NumPy的ndarray：⼀种多维数组对象
对数组进⾏数学运算
可以看到data的值实际是没有改变的，输出的结果只是临时结果⽽已。
ndarray是⼀个通⽤的同构数据多维容器，也就是说，其中的所有元素必须是相同类型的。
每个数组都有⼀个shape（形状）和⼀个dtype（数据类型）。
查看ndarray的shape和dtype：
创建ndarray
创建数组最简单的办法就是使⽤array函数。
它接受⼀切序列型的对象（包括其它数组），然后产⽣⼀个新的含有传⼊数据的NumPy数组。
numpy库不具有的功能有除np.array之外，还有⼀些函数也可以新建数组。
⽐如，zero和ones分别可以创建指定长度或形状的全0或全1数组。
empty可以⽤来创建⼀个没有任何具体指的数组。
要⽤这些⽅法创建多维数组，只需要传⼊⼀个表⽰形状的元组即可：
arange是Python内置函数range的数组版：
以下是⼀些数组创建函数。
由于NumPy关注的是数值计算
因此，如果没有特别指定，数据类型基本都是float64（浮点数）。
通过astype转变⼀个数组的dtype
如果将浮点数转换成整数，则⼩数部分将会被截除。
如果某字符串数组表⽰的全是数字，也可以⽤astype将其转换为数值形式。
调⽤astype总会创建⼀个新的数组（⼀个数据的备份），即使新的dtype与旧的dtype相同。