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。
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。
