本文已参与「新人创作礼」活动，一起开启掘金创作之路。 @TOC
一、索引切片操作
索引：获取数组中特定位置元素的过程 切片：获取数组元素子集的过程
1、一维数组
与python的列表操作类似
==索引==：
==切片==：
a[起始编号：终止编号(不含)：步长]
2、多维数组
==索引==：
我们先创建一个数组
进行索引操作。每个维度要用逗号隔开，数组正向最小索引是从0开始，这个要注意。若出现负号时，就相当于倒着来看。
==切片==：
下图的意思是：前两个维度无所谓（即都包含），第三个维度采用一维数组的切片方式（：：2），也就是第三维度上，步长为2。
自己动手可以更好理解
二、运算
ceil：不超过元素的整数值
flloor：小于这个元素的最大整数值
@TOC
一、索引切片操作
索引：获取数组中特定位置元素的过程 切片：获取数组元素子集的过程
1、一维数组
与python的列表操作类似
==索引==：
==切片==：
a[起始编号：终止编号(不含)：步长]
2、多维数组
==索引==：
我们先创建一个数组
进行索引操作。每个维度要用逗号隔开，数组正向最小索引是从0开始，这个要注意。若出现负号时，就相当于倒着来看。
==切片==：
下图的意思是：前两个维度无所谓（即都包含），第三个维度采用一维数组的切片方式（：：2），也就是第三维度上，步长为2。
自己动手可以更好理解
二、运算
ceil：不超过元素的整数值
flloor：小于这个元素的最大整数值
@TOC
1、根据python中列表、元组中创建
x = np.array(list\tuple)
例如：x = np.array([1,2,4,6])
y = np.array([5,4],[2,3],[2,8])
z = np.array((1,2,5,4))
可以使用dtype指定数据元素类型
x = np.array(list/tuple,dtype=np.float32)
2、使用NumPy中函数创建ndarray数组
例如：
numpy在不指定dtype时，默认为浮点数
（2，3，4）表示在最外层中有两个元素，而每个元素有三个维度，而每个维度下有四个元素。
另外拓展：（在进行大规模科学计算时非常重要）
3、使用NumPy中其他函数创建ndarray数组
4、ndarray数组变换
（1）对于创建好的数组，可以对他进行维度和元素类型上的变换
创建一个新的数组 a = np.ones((2,3,4),dtype=np.int32)
注意：用reshape后，原数组a的shape和size(个数)都不变。而使用resize后，改变了原来数组的shape。
使用 new_a = a.astype(==new_type==)来改变数组的数据类型
注意：astype()的方法会创建一个新的数组。也就是说：numpy将原数组数据拷贝然后返回给新数组，但是元素类型不同。
改变元素类型目的是为了计算的性能或者存储。
（2）ndarray数组也可以转换成python中的一个列表
ls = a.tolist()
python中列表比numpy运算要慢很多，但是在一些python原生语法中，转换也十分常见。
根据MOOC嵩天老师的python数据分析与展示的学习笔记
