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() 函数来创建一个 NumPy ndarray 对象。
type(): 此 Python 内置函数告诉我们传递给它的对象的类型。例如，在上面的代码中，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
数组中的维度是指数组深度的一个层次（嵌套数组）。
嵌套数组: 是将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
将 0-D 数组作为其元素的数组称为一维数组或 1-D 数组。
这些是最常见和最基本的数组。
2-D 数组
将 1-D 数组作为其元素的数组称为二维数组或 2-D 数组。
它们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的 2-D 数组，这两个数组的值分别是 1、2、3 和 4、5、6
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)
动手试试 »
3-D 数组
将 2-D 数组（矩阵）作为其元素的数组称为 3-D 数组。
它们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，这两个数组都包含两个值分别为 1、2、3 和 4、5、6 的数组
import numpy as np
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(arr)
动手试试 »
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)
动手试试 »
更高维数组
数组可以有任意数量的维度。
创建数组时，可以使用 ndmin 参数来定义维度数量。
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('维度数量 :', arr.ndim)
动手试试 »
在这个数组中，最里面的维度（第五维）有 4 个元素，第四维有 1 个元素，即向量，第三维有 1 个元素，即包含该向量的矩阵，第二维有 1 个元素，即三维数组，第一维有 1 个元素，即四维数组。
