NumPy是用于數據科學計算的基礎模塊，不但能夠完成科學計算的任務，而且能夠被用作高效的多維數據容器，可用于存儲和處理大型矩陣。NumPy 的數據容器能夠保存任意類型的數據，這使得 NumPy 可以無縫并快速地整合各種數據。NumPy 本身并沒有提供很多高級的數據分析功能。理解 NumPy 數組及數組計算有助于更加高效地使用諸如 pandas等數據處理工具。

Python 提供了一個 array 模塊。array 和 list 不同，它直接保存數值，和C語言的一維數組比較類似。但是由于 Python 的 array 模塊不支持多維，也沒有各種運算函數，因此也不適合做數值運算。NumPy 的誕生彌補了這些不足。NumPy 提供了一種存儲單一數據類型的多維數組-ndarray。

一、 創建數組對象

NumPy 提供了兩種基本的對象: ndarray( N-dimensionalArray Object)和 ufunc( UniversalFunction Object)。ndarray(下文統一稱為數組)是存儲單一數據類型的多維數組，而 ufunc則是能夠對數組進行處理的函數。

1、 數組屬性

為了更好地理解和使用數組，在創建數組之前，了解數組的基本屬性是十分有必要的。數組的屬性及其說明如下表所示。

2、數組創建

NumPy提供的array函數可以創建一維或多維數組，其基本使用格式如下。

numpy.array(object, dtype=None, *, copy=True, order='K', subok=False, ndmin=0, like=None)

array函數主要參數及其說明如下表。

除了使用array函數創建數組之外，還可以使用arange函數創建數組。arange函數類似于Python自帶的函數range，通過指定開始值、終值和步長來創建一維數組，創建的數組不含終值。arange函數的基本使用格式如下。

numpy.arange([start, ]stop, [step, ]dtype=None, *, like=None)

arange函數常用參數及其說明如下表。

linspace函數通過指定開始值、終值和元素個數來創建一維數組，默認設置包括終值，這一點需要和arange函數區分。linspace函數的基本使用格式如下。

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)

linspace函數的常用參數及其說明如下表。

logspace函數和linspace函數類似，它創建的是等比數列。logspace函數的基本使用格式如下。

numpy.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None, axis=0)

在logspace函數的參數中，除了base參數和linspace函數的retstep參數不同之外，其余均相同。

NumPy還提供了其他函數用于創建特殊數組，如zeros、eye、diag和ones函數等。

zeros函數：用于創建值全部為0的數組，即創建的數組值全部填充為0。

eye函數：用于生成主對角線上的元素為1，其他的元素為0的數組，類似單位矩陣。

diag函數：創建類似對角的數組，即除對角線外的其他元素都為0，對角線上的元素可以是0或其他值。

ones函數：用于創建元素全部為1的數組，即創建的數組元素全部填充為1。

3. 數組數據類型

在實際的業務數據處理中，為了更準確地計算結果，需要使用不同精度的數據類型。

NumPy極大程度地擴充了原生Python的數據類型。在NumPy中，所有數組的數據類型是同質的，即數組中的所有元素類型必須是一致的。將元素類型保持一致可以更容易確定該數組所需要的存儲空間。

NumPy的基本數據類型及其取值范圍如下表。