Numpy的数据核心

Numpy提供了高效存储和操作密集数据缓存的接口。
先不管那些数据是如何处理的，我们只需要明白，数据是如何存储的，就够了。而知道数据如何存储，那么其相应的操作也变得非常明了。
PS：除要点外，都是解释说明要点的，理解要点是核心，知道要点，在不看任何东西的前提条件下，能说出这个要点所包含的意义

核心：理解Python语言中，数据是如何被存储和操作的。

第一点、
Python中的所有变量都是对象。

一个特性：Python中，“任何变量”可以赋“任何值”。
这是因为Python中的每一个数据都包含了除本数据以外的头。定义如下

struct _longobject{
    long ob_refcnt;//引用计数，Python默默处理内存的分配和回收
    PyTypeObject *ob_type;//将变量的类型编码
    size_t ob_size;//指定接下来的数据成员的大小
    long ob_digit[1];//包含我们希望Python变量表示的实际整型值
};

第二点、
Python中的列表，基于第一点，也是灵活的。

这造成了巨大的空间浪费，所以为了像C语言一样，快速操作，Numpy提供相应的库。

第三点、
Python为解决这个问题，采用了array

array是一个包
array.array(列表或数据)
如：array.array(a,[b,c,d,e]) a为类型数据码
array形式:类型数据码 + 列表(同一数据)

第四点、
Numpy提供了类似于array的方法，更为简洁，好用。

与array使用方法基本一致，但是可以使用许多方法。

第五点
Numpy中array提供的矩阵是array中列表中的列表。

即array()形式，内部[]表示矩阵单个[]表示一行，即有三层形式。
array([
[1,2,3]
[1,2,3]
])

方法

刚才讲述了原理，一定要搞清楚再思考方法的问题。因为方法是为原理服务的。