Numpy是Python科学计算的核心库之一，主要提供了对多维数组的强有力支持。
什么是多维数组?
核心对象是同型的多维数组(简单理解就是一个表格，通常内容都是些数字)，具有相同的数据类型。
概念：
1. axes(轴)：数组的维度统称为轴。
2. rank：轴的数量称为rank。
举例：一维数组[1,2,1]，就是一个rank为1的数组，因为它只有一个轴(一维)。下图显示的是一个rank为2(二维)的数组。它的***个轴(维)的长度是2，如红色线框所示;第二个轴(维)的长度是3，如蓝色线框所示。这个有点像数据结构里说的：数组的元素本身也可以是数组类型一样，***扩展下去。
Numpy里的多维数组：ndarray
Numpy的数组类numpy.array一般称呼为ndarray，这么叫主要是为了和Python的数组类array.array区分开来。后面的文章里，如无特殊说明的地方，array和ndarray均是指的numpy.array。
ndarray(numpy.array)的主要属性：
- ndim：数组的轴数(维度)
- shape：python的元组类型，其中每个数字分别表示的是各个轴(维)上数组的长度
- size：多维数组里全部元素的总数(等于shape元组里所有数值的乘积)
- dtype：多维数组里元素的类型。同一个多维数组里所有的元素都是同一种类型
这里插播一下：
Anaconda是一个基于Python的Data Science Platform，相当于一个包装了数据分析常用库和工具的软件。它是我们开始学习的一个好帮手。下载地址：https://www.continuum.io/anaconda-overview。
安装好后，打开“IPython”，或者“Jupyter QtConsole”，或者“Spyder”都可以。它们本质上都是对IPython这个交互式环境的包装。
练习：创建一个ndarray。
直接使用numpy.array()方法，参数为python的 list or tuple (sequence type)。下面的代码里，“In”是我们输入的代码，“Out”是上一行代码的输出。不是每一行代码都会有输出哦。
代码：
下面这张图是在“Spyder”里执行上面代码的效果图：
双击上图中的变量查看窗口(Variable explorer)里的ndarray，可以看到一个二维数组的展示图：
创建ndarray的一些其它方法
1. zeros，ones和empty方法
- numpy.zeros
- numpy.ones
- numpy.empty
numpy提供了另外一种快速创建ndarray的方法，尤其适合数组内容未知的情况，同时也避免了数组增长过程中的开销
2. arange方法
arange可以返回一个平均分布的ndarray(numpy.array)。可以分别设置开始(可选)，结束(必填)和间距(可选)。下面的示例非常清楚的展示了该方法的使用。
3. reshape方法
顾名思义，此方法是将一个已经存在了的ndarray，转换为另外一个shape(形状，即数组各个轴上的长度)的多维数组。新数组包含了原来所有的数据。
注意：新的形状必需保持size相同，直白一点，就是***个shape的参数，3x4=12，需要和第二个shape的参数2x6=12，始终保持一致。
4. random方法
用随机数填充新数组的内容。numpy里有多个产生数据数组的方法，容易搞晕。产生随机数目前我见到两大类，一类是按照“均匀分布”(例如概率论里的“0-1连续分布”)产生，另一类是按照“正态分布”产生的。
在numpy里，我们会见到random，ranf，sample这几个方法，其实它们全部都是：
numpy.random.random_sample这个方法的别名，都是基于“均匀分布”产生随机数。下面的代码验证了这一点：
详细介绍下用的最多一个：
numpy.random.random
它随机返回半开区间[0.0, 1.0)的浮点数，方法参数只有一个：
size : int或者int型元组，同时也作为返回数组的shape。如果输入的是(2,3,5)，则首先抽取2x3x5=30个随机数，然后形成一个形状为(2,3,5)的多维数组作为返回值。如果没有提供参数，则直接返回一个随机数。
练习：生成[12, 30)区间的一个6x3的数组
代码：
好了，关于numpy第1讲就到这里，还有很多内容待后面用到的时候又再介绍。
【本文为51CTO专栏作者“吴思楠”的原创稿件，转载请通过51CTO联系作者获取授权】
