前言
NumPy（Numerical Python的缩写）是一个开源的Python科学计算库。使用NumPy，就可以很自然地使用数组和矩阵。NumPy包含很多实用的数学函数，涵盖线性代数运算、傅里叶变换和随机数生成等功能。本文主要介绍使用Python NumPy 创建数组(ndarray)。
1、创建一个NumPy ndarray对象
NumPy用于处理数组。 NumPy中的数组对象称为ndarray。
我们可以使用array()函数创建一个NumPyndarray对象。
例如：
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)
print(type(arr))
# [1 2 3 4 5]
# <class 'numpy.ndarray'>type()：此内置的Python函数告诉我们传递给它的对象的类型。 像上面的代码一样，它表明arr是numpy.ndarray类型。
要创建一个ndarray，我们可以将一个列表，元组或任何类似数组的对象传递给array()方法，然后它将被转换为一个ndarray：
例如：
使用元组创建一个NumPy数组：
import numpy as np
arr = np.array((1, 2, 3, 4, 5))
print(arr)
# [1 2 3 4 5]2、数组维数
数组中的维是数组深度的一个级别（嵌套数组）。
嵌套数组：是将数组作为元素的数组。
3、0-D Arrays(数组)
0-D数组或标量是数组中的元素。 数组中的每个值都是一个0-D数组。
例如：
创建一个值为36的0-D数组
import numpy as np
arr = np.array(36)
print(arr)
# 364、1-D Arrays(数组)
以0-D数组作为元素的数组称为一维数组或1-D array。
这些是最常见的基本数组。
例如：
创建一个包含值1,2,3,4,5的一维数组：
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)
# [1 2 3 4 5]5、2-D Arrays(数组)
以一维数组为元素的数组称为二维数组。
这些通常用于表示矩阵或二阶张量。
NumPy有一个专门用于矩阵运算的完整子模块，称为numpy.mat
例如：
创建一个二维数组，其中包含两个具有值1,2,3和4,5,6的数组：
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)
# [[1 2 3]
# [4 5 6]]6、3-D arrays(数组)
以2-D数组(矩阵)作为元素的数组称为3-D数组。
这些通常用于表示三阶张量。
例如：
用两个2-D数组创建一个3-D数组，两个数组都包含两个值分别为1,2,3和4,5,6的数组：
