目录
一、Numpy的ndarray：一种多维数组对象
1、ndarray的新建
（1）方法1：array
（2）方法2: arange
（3）方法3：ones, zeros, empty
（4）方法4：eye、identity
2、ndarray的dtype
（1）numpy的数据类型
（2）创建ndarray时规定数据类型
（3）数据转换：astype

一、Numpy的ndarray：一种多维数组对象

1、多维数组的新建

（1）方法1：array

numpy.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0)
最常用的是前两个参数，object表示数组对象，dtype表示ndarray的数据类型
新建一个一维数组：

#ndarray: 多维数组
>>>import numpy as np
>>>data1 = [1, 2, 3, 4]
>>>arr1 = np.array(data1)
>>>arr1
array([1, 2, 3, 4])

新建一个多维数组：

>>>data2 = [[1, 2, 3, 4], [5, 6, 7, 8]]
>>>arr2 = np.array(data2)
>>>arr2
array([[1, 2, 3, 4],
       [5, 6, 7, 8]])

（2）方法2: arange

numpy.arange([start, ]stop, [step, ]dtype=None)
start：起始值，stop：结束值，step：步距
最基础用法：

>>>np.arange(10)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

其他示例：

>>> np.arange(3.0)
array([ 0.,  1.,  2.])
>>> np.arange(3,7)
array([3, 4, 5, 6])
>>> np.arange(3,7,2)
array([3, 5])

（3）方法3：ones, zeros, empty

ones, ones_like：创建全1数组，可指定数据类型，ones可以指定数组大小，ones_like可以以某一数组大小为参照
ones用法：

>>>ones1 = np.ones((2,3,2))
>>>ones1
array([[[1., 1.],
        [1., 1.],
        [1., 1.]],

       [[1., 1.],
        [1., 1.],
        [1., 1.]]])

ones_like用法：

>>>ones_like1 = np.ones_like(arr2)
>>>ones_like1
array([[1, 1, 1, 1],
       [1, 1, 1, 1]])

zeros、zeros_like
empty、empty_like
用法同以上

（4）方法4：eye、identity

创建N*N单位矩阵（对角线为1， 其余为0）
用法：

>>>np.eye(3)
array([[1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.]])

2、ndarray的dtype

（1）numpy的数据类型

名称	描述
bool_	布尔型数据类型（True 或者 False）
int_	默认的整数类型（类似于 C 语言中的 long，int32 或 int64）
intc	与 C 的 int 类型一样，一般是 int32 或 int 64
intp	用于索引的整数类型（类似于 C 的 ssize_t，一般情况下仍然是 int32 或 int64）
int8	字节（-128 to 127）
int16	整数（-32768 to 32767）
int32	整数（-2147483648 to 2147483647）
int64	整数（-9223372036854775808 to 9223372036854775807）
uint8	无符号整数（0 to 255）
uint16	无符号整数（0 to 65535）
uint32	无符号整数（0 to 4294967295）
uint64	无符号整数（0 to 18446744073709551615）
float_	float64 类型的简写
float16	半精度浮点数，包括：1 个符号位，5 个指数位，10 个尾数位
float32	单精度浮点数，包括：1 个符号位，8 个指数位，23 个尾数位
float64	双精度浮点数，包括：1 个符号位，11 个指数位，52 个尾数位
complex_	complex128 类型的简写，即 128 位复数
complex64	复数，表示双 32 位浮点数（实数部分和虚数部分）
complex128	复数，表示双 64 位浮点数（实数部分和虚数部分）
string_	字符串
unicode_	unicode类型

注：numpy 的数值类型实际上是 dtype 对象的实例，并对应唯一的字符，包括 np.bool_，np.int32，np.float32，等等。

（2）创建ndarray时规定数据类型

>>>arr1 = np.array([1, 2, 3], dtype = np.float64)
>>>arr2 = np.array([1, 2, 3], dtype = np.int32)
>>>arr1.dtype
dtype('float64')
>>>arr2.dtype
dtype('int32')

（3）数据转换：astype

>>>arr = np.array([1, 2, 3, 4, 5])
>>>arr.dtype
dtype('int64')
>>>float_arr = arr.astype(np.float64)
>>>float_arr.dtype
dtype('float64')

注：astype无论如何都会创建出一个新的数组。