1. Numpy陣列ndarray物件與python裡面列表list最大的區別：

   ndarray裡面只能儲存相同型別的元素

   list物件能儲存不同型別的元素

   1. ndarray.ndim		#維度個數，一維 二維 三維
   
   2. ndarray.shape(n,m)		#陣列的形狀n行m列
   
   3. ndarray.size		#元素的個數
   
   4. ndarray.dtype		#陣列的型別
   
   5. ndarray.itemsize		#每個元素位元組的大小
   

2. zeros 、 ones 、 empty

   1.
   c = np.zeros((3,4))
   c
   Out[26]: 
   array([[0., 0., 0., 0.],
          [0., 0., 0., 0.],
          [0., 0., 0., 0.]])
          
   2.
   d = np.ones((5,6))    
   d
   Out[28]: 
   array([[1., 1., 1., 1., 1., 1.],
          [1., 1., 1., 1., 1., 1.],
          [1., 1., 1., 1., 1., 1.],
          [1., 1., 1., 1., 1., 1.],
          [1., 1., 1., 1., 1., 1.]])
   
   3.
   d.dtype
   Out[31]: dtype('float64')
   
   4.
   np.empty((2,3))
   Out[29]: 
   array([[6.23042070e-307, 1.89146896e-307, 1.37961302e-306],
          [6.23053614e-307, 6.23053954e-307, 1.24611470e-306]])
   
   5.
   np.arange(1,11,2)
   Out[30]: array([1, 3, 5, 7, 9])
   
    
   

3. Numpy裡面常用的資料型別

4. 資料型別的特徵碼

b
array([[1, 2, 3],
       [4, 5, 6]])
       
b.dtype
dtype('int32')

new_b = b.astype(np.string_)
new_b.dtype
dtype('S11')

new_b
array([[b'1', b'2', b'3'],
       [b'4', b'5', b'6']], dtype='|S11')
       
new_b = b.astype(np.float32)

new_b
array([[1., 2., 3.],
       [4., 5., 6.]], dtype=float32)

 

5. 陣列運算的三種方式

6.ndarray的索引和切片的使用

​ 一維陣列和python類似

​ 二維陣列：

7.布林索引的基本使用