NumPy(Numerical Python) 是 Python 語言的一個擴展程序庫，
支持大量的維度數組與矩陣運算，此外也針對數組運算提供大量的數學函數庫。
今天就針對多維數組展開來寫博客
numpy其一部分功能如下：
1.ndarray，是具有矢量算術運算且節省空間的多維數組。
2.可以用於對整組的數據快速進行運算的辨准數學函數。
3.能夠用於讀寫磁盤數據的工具以及用於操作系統內存映射的工具。
NumPy它本身其實沒有提供很高級別的數據分析功能，NumPy之於數值計算特別重要的原因之一，
就是因為它能夠高效的處理大數組的數據。
這是因為：
1.NumPy是在一個連續的內存塊中存儲數據，獨立於其他的Python內置對象。
2.NumPy可以在整個數組上執行復雜的計算，而不需要Python的for循環。
NumPy的ndarray：一種多維數組對象
對數組進行數學運算
可以看到data的值實際是沒有改變的，輸出的結果只是臨時結果而已。
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（形狀）和一個dtype（數據類型）。
查看ndarray的shape和dtype：
創建ndarray
創建數組最簡單的辦法就是使用array函數。
它接受一切序列型的對象（包括其它數組），然后產生一個新的含有傳入數據的NumPy數組。
除np.array之外，還有一些函數也可以新建數組。
比如，zero和ones分別可以創建指定長度或形狀的全0或全1數組。
empty可以用來創建一個沒有任何具體指的數組。
要用這些方法創建多維數組，只需要傳入一個表示形狀的元組即可：
arange是Python內置函數range的數組版：
以下是一些數組創建函數。
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）。
通過astype轉變一個數組的dtype
如果將浮點數轉換成整數，則小數部分將會被截除。
如果某字符串數組表示的全是數字，也可以用astype將其轉換為數值形式。
調用astype總會創建一個新的數組（一個數據的備份），即使新的dtype與舊的dtype相同。
