开发者学堂课程【Python 常用数据科学库：Array 数组】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/546/detail/7462
Array 数组
内容介绍
一、array 结构中的元素类型要求
二、ndarray 结构的基本属性操作属性
三、索引与切片
一、array 结构中的元素类型要求
重点：对于 ndarray 结构来说，里面所有的元素必须为相同类型。如果是不同类型，会自动进行向下转换，比如下例中代码2整型转换为浮点型，代码3整型转换为字符串。
因为用 Numpy 计算时，数据通常比较大，为了计算更高效，所以要求数据类型保持一致。
代码1：
import numpy as np//导入 numpy
tang_list=[1,2,3,4,5] //构建一个 list 结构并随便赋一些值
tang_array=np.array(tang_list) // array 结构通过 list 进行转换，再把 list 传进来，从而完成最基本的 array 结构
tang_array
//运行结果：array（[1，2，3，4，5]）
二、ndarray 结构的基本属性操作属性
type(tang_array) //查看 array 结构的类型
//运行结果：numpy.ndarray
tang_array.dtype //查看 array 结构中的值的类型
//运行结果：dtype(‘int32’) //数值类型是整型
代码2
import numpy as np
tang_list=[1,2,3,4,5.0] //将5改为5.0
tang_array=np.array(tang_list)
tang_array
//运行结果：array（[1.，2.，3.，4.，5.]） //其他数值全部发生转换，由整型转换为浮点型
type(tang_array) //查看 array 结构的类型
//运行结果：numpy.ndarray
tang_array.dtype
//运行结果：dtype(‘float64’) //数值类型是浮点型
代码3
import numpy as np
tang_list=[1,2,3,4,‘5’] //将5改为字符串‘5’
tang_array=np.array(tang_list)
tang_array
//运行结果：array（[‘1‘，’2‘，’3‘，’4‘，’5‘]） //其他数值全部转换成字符串
type(tang_array)//查看array结构的类型
//运行结果：numpy.ndarray
tang_array.dtype
//运行结果：dtype(‘<U11’) //当前字符串的编码形式
以代码1为例
tang_array.itemsize //查看一个整型元素所占字节数
//运行结果：4
tang_array.shape // np.shape(tang_array) 有相同运行结果
//运行结果：（5,） //一维,只有5个元素
tang_array.size//查看结构中的元素数， np.size(tang_array) 有相同运行结果
//运行结果：5 //没有括号，因为与维度（ x 维度或 y 维度，行数或列数）无关
tang_array.ndim// 查看维数
//运行结果：1 //因为 array 结构只有一行
tang_array
//运行结果：array（[1，2，3，4，5]）
tang_array.fill（0） //用0填充
//运行结果：array([0,0,0,0,0])
三、索引与切片
跟 Python 一样，从0开始。
tang_list=[1,2,3,4,5]
tang_array=np.array(tang_list)
tang_array[0]//随便选一个索引，只要不越界就可以
//运行结果：1
tang_array[1:3]//选一个切片
//运行结果：array([2,3])
tang_array[-2:]
//运行结果：array([4,5])
