Numpy是数据分析的基础库，它支持大量的维度计算与矩阵运算。同时他也是一个运行速度非常快的数学库，主要用于数组计算，具有线性代数、傅里叶变换、随机数生成等功能。

Ndarray对象

Numpy最重要的一个特点就是其N维数组对象ndarray他是一系列同类型数据的集合，创建一个ndarray对象只需要调用Numpy的array函数即可。

• numpy.array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0)
  参数含义如下：
  object：数组。这里可以是多维的数组。
  dtype：数组元素的数据类型。Numpy有bool、int、uint、float、complex这几种数据类型。
  copy：对象是否需要复制。数组在创建时都会默认复制一块，防止不安全出现。
  order：创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）。
  subok：默认返回一个与基类类型一致的数组。
  ndmin：指定数组的最小维度。

注意：当array函数中的数组数据同时包含字符串、整数、浮点数，如果没有指定数据类型，则它会将所有数据转换成一种数据类型，转换的优先级为：字符串 > 浮点数 > 整数

例如：创建一个一维的ndarray对象，数组数据包含字符串、整数、浮点数，使用的数据类型为int类型。

代码如下：

import numpy as np
ns = np.array([1,3.5,"4"],dtype=int)
ns

结果为：

dtype对象

numpy的数值类型实际上是dtpye对象的实例，并对应唯一的字符，例如：numpy.bool、numpy.int32、numpy.float32、numpy.complex64等。dtype对象可通过dtype()函数进行创建。

• numpy.dtype(object,align,copy)
  参数含义如下：
  object：要转换为的数据类型对象。
  align：如果为True，填充字段使其类似C的结构体。
  copy：复制dtype对象，如果为False，则是对内置数据对象的引用。

例如：创建一个结构化数据类型并应用于ndarray对象。

代码如下：

import numpy as np
# student为结构化数据类型
# S为Str类型，"i1"表示int8
student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')]) 
print(student)
a = np.array([('abc', 21, 50),('xyz', 18, 75)], dtype = student) 
print(a)
# 这里的类型字段名可以保存实际的列
print("第一列",a["name"],"第二列",a["age"],"第三列",a["marks"])

结果如下：