1. ndarray 的创建及获取属性
我们有提到过 ndarray 的创建，我只需要将列表传入到 np.array() 函数中。例如：
import numpy as np my_list = [1, 2, 3, 4, 5, 6] my_arr = np.array(my_list) print(my_arr)
ndarray 创建完成后，我们可以查看 ndarray 的属性。
1.1 查看类型
1.1.1 查看 ndarray 的类型。
import numpy as np my_list = [1, 2, 3, 4, 5, 6] my_arr = np.array(my_list) print(type(my_arr))
由于类型为 ndarray，所以代码中得到的类型为 <class 'numpy.ndarray'>
1.1.2 查看 ndarray 中元素的类型
import numpy as np my_list = [1, 2, 3, 4, 5, 6] my_arr = np.array(my_list) print(my_arr.dtype)
1.2 查看维度信息
1.2.1 查看维度数
import numpy as np my_list = [1, 2, 3, 4, 5, 6] my_arr = np.array(my_list) print(my_arr.ndim)
由于我们创建的是一维数组，所以代码中得到的维度数为 1。
1.2.2 查看数组大小
import numpy as np my_list = [1, 2, 3, 4, 5, 6] my_arr = np.array(my_list) print(my_arr.size)
由于数组中包含 6 个元素，所以代码中得到的数组大小为 6。
1.2.3 查看各维度大小
import numpy as np my_list = [1, 2, 3, 4, 5, 6] my_arr = np.array(my_list) print(my_arr.shape)
由于我们创建的是一维数组，所以代码中得到的结果为 (6,)。
1.3 查看元素信息
1.3.1 查看元素占用的存储空间
import numpy as np my_list = [1, 2, 3, 4, 5, 6] my_arr = np.array(my_list) print(my_arr.itemsize)
由于元素的类型为 int64，所以占用的存储空间为 8 个字节。上面讲的是一维数组的创建及数组属性的获取，下面来讲下二维数组。创建方法以及属性的获取都和一维数组一样，所以就不一一详细介绍了，只是把代码列出，同学们可以运行代码感受下。
import numpy as np my_list = [[1.1, 2.2, 3.3], [4.4, 5.5, 6.6]] my_arr = np.array(my_list) print(type(my_arr))
import numpy as np my_list = [[1.1, 2.2, 3.3], [4.4, 5.5, 6.6]] my_arr = np.array(my_list) print(my_arr.dtype)
import numpy as np my_list = [[1.1, 2.2, 3.3], [4.4, 5.5, 6.6]] my_arr = np.array(my_list) print(my_arr.ndim)
在创建数组时，我们还可以明确指定元素的类型，例如：
import numpy as np my_list = [[1, 2, 3], [4, 5, 6]] my_arr = np.array(my_list, dtype = 'float64') print(my_arr.dtype)
在上面的例子中，当我们明确指定元素类型时，虽然元素的类型为整型，但是由于明确指定了浮点型，所以得到的元素类型为浮点型。
2. 使用函数创建 ndarray
前面创建 ndarray 的方法是将列表传入到函数 array() 中。除此之外，我们还可以使用函数来创建 ndarray。
2.1 arange 函数
arange 函数根据指定的范围以及设定的步长，生成一个 ndarray。
import numpy as np my_arr = np.arange(0, 12) print(my_arr)
上面的代码创建了一个包含 12 个元素的 ndarray，元素从 0 开始，到 11 结束，[ 0 1 2 3 4 5 6 7 8 9 10 11]。在使用 arange() 函数，当我们不指定步长时，默认的步长为 1。当然，我们亦可以明确指定步长。例如：
import numpy as np my_arr = np.arange(0, 12, 3) print(my_arr)
当我们指定步长为 3 时，生成的 ndarray 为 [0 3 6 9]。arange() 函数的参数不但可以为整数，还可以为小数。例如：
import numpy as np my_arr = np.arange(0, 6, 0.6) print(my_arr)
上面的代码生成了数组 [0. 0.6 1.2 1.8 2.4 3. 3.6 4.2 4.8 5.4]。上面使用 arange() 函数生成的是一维数组，我们可以在生成一维数组后对其进行重塑，这样便可以得到多维数组。例如：
import numpy as np my_arr = np.arange(0, 12).reshape(3, 4) print(my_arr)
在上面的代码中，调用 reshape() 函数对生成的一维数组进行重塑，便得到一个 3 行 4 列的二维数组。
2.2 linspace 函数
linspace 函数用于在线性空间中以均匀步长生成 ndarray。
import numpy as np my_arr = np.linspace(0, 10, 5) print(my_arr)
上述代码对区间 [0, 10] 进行 5 等分，取每个分界点的数字组成数组，便得到一维数组 [ 0. 2.5 5. 7.5 10. ]。
2.3 zeros 函数
zeros 函数生成一个给定形状和类型的用 0 填充的 ndarray。
import numpy as np my_arr = np.zeros(6) print(my_arr)
上述代码生成一个 6 个 0 的一维数组 [0. 0. 0. 0. 0. 0.]。
import numpy as np my_arr = np.zeros((2, 3)) print(my_arr)
上述代码生成一个 2 行 3 列的二维数组，[[0. 0. 0.][0. 0. 0.]]，数组的元素全为 0。在调用 zeros() 函数生成多维数组时，要注意传入的是一个元组，元组的各个元素指明了多维数组各个维度的大小。
2.4 ones 函数
ones() 函数和 zeros() 函数类似，只不过生成的数组中的元素全为 1。
import numpy as np my_arr = np.ones(6) print(my_arr)
上述代码生成一个 6 个 1 的一维数组 [1. 1. 1. 1. 1. 1.]。
import numpy as np my_arr = np.ones((2, 3)) print(my_arr)
上述代码生成一个 2 行 3 列的二维数组，[[1. 1. 1.][1. 1. 1.]]，数组的元素全为 1。
2.5 random() 函数
我们可以使用 random() 函数来生成元素大小为随机的 ndarray。
import numpy as np my_arr = np.random.random(3) print(my_arr)
上面代码生成一个元素大小随机的一维数组 [0.56733043 0.49110822 0.87588511]。使用 random() 函数同样可以生成二维数组。
import numpy as np my_arr = np.random.random((2, 3)) print(my_arr)
