3 ndarray的属性和基本操作
3.1 ndarray的基本属性
3.2 ndarray元素类型
那么有时候我们再想，如果数组的长度不一致，那么会不会有影响呢？
通过例子，我们发现，如果构造的数据长度不一致，不会报错，但是会发出警告，也就是说这种方法，在Python里面还是支持的，但是我们发现它被单独的构造为一个list类型了,元素大小也就发生了改变，将一个列表嵌套在一个列表当中。
我们可以看看长度一致的情况：
显然是符合我们的要求的
3.3 创建ndarray的方式
创建的时候可以指定我们的数据类型
np.arange()，返回的是序列数组，最后一个取不到，一维的
np.ones(3,4)，返回的是3行4列的全1数组,如果里面有三个数字，那么第一数字代表里面，有多少个单独独立的数组
np.zeros(数组，行，列)生成一个多少个独立数组，每个独立数组里面有多少行，多少列，最后类型是全0数组，如下：
np.full((n,m),value),生成一个特定维度的数组，且元素由自己定义
np.eye(n)，生成一个nxn的单位矩阵
np.ones_like(array),生成一个和目标数组一样的全1数组
使用np.linspace()，形成新的一维序列数组
使用np.concatenate((array1，array2)，axis=0)：按照行进行拼接
np.concatenate((array1，array2)，axis=1)：按照列进行拼接
如果这里使用横向连接，那么就会报错，为了防止报错，我们可以使用装置功能
拼接也要注意，是否可以！！！
3.4 ndarray对象的变换
我们可以根据自己需要变换我们的一维数组，为多维数组，使用reshape（行，列）
这个方法也可以修改，但是要注意的是：resize（方法）修改的是原数组，而reshape（方法）并没有修改原数组，需要赋值给新的变量，该修改才能生效。
使用swapaxes(1,0)进行维度调换，原来的行数变成现在的列数，不改变原数组
flatten（）降维处理，一维，不改变原数组
astype(np.int16),或者其他的numpy数据类型，直接拷贝数据类型格式
转换为list类型
3.5 ndarray对象的操作
索引和我们Python里面的较为相似，如果里面存在多个独立数组，那么第一个索引只取出大的数组框，然后后面对应的就是行和列
对于步长而言，我们要明确的是，索引从0开始，最后一个索引永远取不到，其次，不写出的索引为默认取到，对于步长取索引，我们按照空格方法记忆最好！
