1、秩、维度
NumPy 数组的维数称为秩（rank），一维数组的秩为 1，二维数组的秩为 2，以此类推。
在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumPy 中的轴（axis），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维数。
很多时候可以声明 axis。axis=0，表示沿着第 0 轴进行操作，即对每一列进行操作；axis=1，表示沿着第1轴进行操作，即对每一行进行操作
2、Numpy的数组中比较重要的属性
| 属性 | 说明 |
|---|---|
| ndarray.ndim | 秩，即轴的数量或维度的数量 |
| ndarray.shape | 数组的维度，对于矩阵，n 行 m 列 |
| ndarray.size | 数组元素的总个数，相当于 .shape 中 n*m 的值 |
| ndarray.dtype | ndarray 对象的元素类型 |
| ndarray.itemsize | ndarray 对象中每个元素的大小，以字节为单位 |
| ndarray.flags | ndarray 对象的内存信息 |
| ndarray.real | ndarray元素的实部 |
| ndarray.imag | ndarray 元素的虚部 |
| ndarray.data | 包含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性。 |
实例：
1 import numpy as np 2 # numpy.arange(start, stop, step, dtype) 返回ndarray的数据类型，如果没有提供，则会使用输入数据的类型 3 a = np.arange(6, dtype=np.int8) 4 # ndarray.ndim 用于返回数组的维数，等于秩 5 print('a的维数：', a.ndim) 6 # 调整其大小 7 b = a.reshape(2, 3) 8 print('b的维数:', b.ndim) 9 #ndarray.shape 返回一个元组，这个元组的长度就是维度的数目，即 ndim 属性(秩)。代表每个每个维度的长度 10 print('b.shape：', b.shape) 11 # ndarray.size数组元素的总个数 12 print('数组b元素总数：',b.size) 13 #ndarray.itemsize 以字节的形式返回数组中每一个元素的大小。 14 x = np.array([1, 2, 3, 4, 5], dtype=int) 15 print('a的元素字节大小：{}，x的元素的字节大小：{}'.format(a.itemsize, x.itemsize))
输出：
a的维数： 1 b的维数: 2 b.shape： (2, 3) 数组b元素总数： 6 a的元素字节大小：1，x的元素的字节大小：4
ndarray.flags
ndarray.flags 返回 ndarray 对象的内存信息，包含以下属性：
| 属性 | 描述 |
|---|---|
| C_CONTIGUOUS (C) | 数据是在一个单一的C风格的连续段中 |
| F_CONTIGUOUS (F) | 数据是在一个单一的Fortran风格的连续段中 |
| OWNDATA (O) | 数组拥有它所使用的内存或从另一个对象中借用它 |
| WRITEABLE (W) | 数据区域可以被写入，将该值设置为 False，则数据为只读 |
| ALIGNED (A) | 数据和所有元素都适当地对齐到硬件上 |
| UPDATEIFCOPY (U) | 这个数组是其它数组的一个副本，当这个数组被释放时，原数组的内容将被更新 |
1