NumPy 创建数组
创建 NumPy ndarray 对象
NumPy 用于处理数组。NumPy 中的数组对象称为 ndarray。
我们可以使用 array() 函数来创建 NumPy ndarray 对象。
type(): 这个内置的 Python 函数告诉我们传递给它的对象的类型。如上面的代码所示，它显示 arr 是 numpy.ndarray 类型。
要创建 ndarray，我们可以将列表、元组或任何类似数组的对象传递给 array() 方法，它将被转换为 ndarray。
数组中的维度
数组中的维度是数组深度的一个级别（嵌套数组）。
嵌套数组： 是以数组作为其元素的数组。
0-D 数组
0-D 数组，或标量，是数组中的元素。数组中的每个值都是一个 0-D 数组。
1-D 数组
以 0-D 数组为元素的数组称为一维或 1-D 数组。
这些是最常见和最基本的数组。
示例
创建一个包含值 1,2,3,4,5 的 1-D 数组
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)
自己动手试一试 »
2-D 数组
以 1-D 数组为元素的数组称为 2-D 数组。
这些通常用于表示矩阵或二阶张量。
NumPy 有一个专门用于矩阵运算的子模块，称为 numpy.mat。
示例
创建一个包含两个数组（值为 1,2,3 和 4,5,6）的 2-D 数组
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)
自己动手试一试 »
3-D 数组
以 2-D 数组（矩阵）为元素的数组称为 3-D 数组。
这些通常用于表示三阶张量。
示例
创建一个包含两个 2-D 数组的 3-D 数组，每个 2-D 数组都包含两个数组（值为 1,2,3 和 4,5,6）
import numpy as np
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(arr)
自己动手试一试 »
检查维度数量？
NumPy 数组提供了 ndim 属性，该属性返回一个整数，告诉我们数组有多少个维度。
示例
检查数组有多少个维度
import numpy as np
a = np.array(42)
b = np.array([1, 2, 3, 4, 5])
c = np.array([[1, 2, 3], [4, 5, 6]])
d = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(a.ndim)
print(b.ndim)
print(c.ndim)
print(d.ndim)
自己动手试一试 »
更高维度的数组
数组可以具有任意数量的维度。
创建数组时，可以使用 ndmin 参数定义维数。
示例
创建一个具有 5 个维度的数组，并验证它确实有 5 个维度
import numpy as np
arr = np.array([1, 2, 3, 4], ndmin=5)
print(arr)
print('number of dimensions :', arr.ndim)
自己动手试一试 »
在这个数组中，最内层的维度（第 5 维）有 4 个元素，第 4 维有 1 个元素（即向量），第 3 维有 1 个元素（即包含向量的矩阵），第 2 维有 1 个元素（即 3D 数组），而第 1 维有 1 个元素（即 4D 数组）。
