NumPy最重要的一個特點就是其N維數組對象（即ndarray），該對象是一個快速而靈活的大數據集容器。你可以利用這種數組對整塊數據執行一些數學運算，ndarray是一個通用的同構數據多維容器，也就是說，其中的所有元素必須是相同類型的。每個數組都有一個shape（一個表示各維度大小的元組）和一個dtype（一個用於說明數組數據類型的對象）。
數組的創建
-
通過array方法創建：
創建ndarray;
查看ndarray的維度：
兩維數組：通過ndim屬性查看
還是一個兩維數組，不是三維：
為什么只有兩維而不是三維？因為只嵌套了兩層，而且這也是3x3的一個陳列，相當於只有兩個軸，兩個軸就是兩個維度，看看三維是什么樣的？俏不俏!
多維也就是在外面嵌套一層，當然這個三維數組中只有一個元素。
查看維度的大小，如下只有兩個維度，所以對應兩個大小：通過shape屬性查看
除非顯式說明（稍后將會詳細介紹），np.array會嘗試為新建的這個數組推斷出一個較為合適的數據類型。
除np.array之外，還有一些函數也可以新建數組。比如，zeros和ones分別可以創建指定長度或形狀的全0或全1數組。empty可以創建一個沒有任何具體值的數組。要用這些方法創建多維數組，只需傳入一個表示形狀的元組即可：
一維：
二維：
empty可以創建一個沒有任何具體值的數組。要用這些方法創建多維數組，只需傳入一個表示形狀的元組即可：
認為np.empty會返回全0數組的想法是不安全的。很多情況（如前所示），它返回的都是一些未初始化的垃圾值。
arange是Python內置函數range的數組版：
下表列出了一些數組創建函數。由於NumPy關注的是數值計算，因此，如果沒有特別指定，數據類型基本都是float64（浮點數）。
ndarray的數據類型dtype（數據類型）是一個特殊的對象，它含有ndarray將一塊內存解釋為特定數據類型所需的信息：
數值型dtype的命名方式：一個類型名（如float或int），后面跟一個用於表示各元素位長的數字。標准的雙精度浮點值（即Python中的float對象）需要占用8字節（即64位）。因此，該類型在NumPy中就記作float64。表4-2列出了NumPy所支持的全部數據類型。
可以通過ndarray的astype方法顯式地轉換其dtype
通過astype不會改變源數組的數據類型，通過賦值給變量可以復制源數據並且數據類型為改變后的類型
調用astype無論如何都會創建出一個新的數組（原始數據的一份拷貝），即使新dtype跟老dtype相同也是如此。警告：注意，浮點數（比如float64和float32）只能表示近似的分數值。在復雜計算中，由於可能會積累一些浮點錯誤，因此比較操作只能在一定小數位以內有效。
可通過另一種方式改變數組的數據類型：
使用4-2中的類型代碼，以下為為11個長度的字符串
