简介

ndarray顾名思义，是一个用来存储多维数组的数据结构。

底层ndarray构造函数

现在，用ndarray创建一个(2, 3)二维数组，并命名为a。可以看到，a是一个数组，包含2个元素；每个元素分别又是一个数组，包含3个float。请注意，float元素的值是随机的，因为没有指定。

>>> a = np.ndarray(shape=(2, 3), dtype=float)
>>> a
array([[  6.91857857e-310,   6.91857857e-310,   4.78249221e-317],
       [  1.08552349e-316,   1.08552230e-316,   1.08552112e-316]])

接下来，我们可以用下标访问数组a，取出子数组。数组a维数为2，子数组维数则为1。

>>> a[0]
array([  6.91857857e-310,   6.91857857e-310,   4.78249221e-317])
>>> a[1]
array([  1.08552349e-316,   1.08552230e-316,   1.08552112e-316])

第二维只包含2个元素，因此当下标超出合法范围时，访问将报错。请注意，错误类型为IndexError。

>>> a[2]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
IndexError: index 2 is out of bounds for axis 0 with size 2

同样地，通过下标可以访问子数组的元素，即取出浮点数。

>>> a[0][0]
6.9185785704028074e-310

高层接口

在ndarray基础上，numpy提供了若干个高层构造函数，包括zeros、empty等。

现在，使用zeros创建一个(2, 3, 4)三维数组。注意到，所有的值都初始化为0，而不是一堆没有意义的随机数值。

>>> np.zeros((2, 3, 4))
array([[[ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.]],

       [[ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.]]])

内存布局