Numpy 的核心内容是它的多维数组对象——ndarray（N-Dimensions Array），整个包几乎都是围绕这个对象展开。

Numpy 本身并没有提供多么高级的数据结构和分析功能，但它是很多高级工具（如pandas）构建的基础，在结构和操作上具有统一性，因此理解Nump y 的数组及面向数组的计算有助于更加高效地使用诸如pandas 之类的工具。

数据结构
型bool , int , float , complex相同，实际上使用Python 的类型名称（int, float 等）也是合法的。

intc , intp的大小不定是取决于操作系统。

创建ndarray
它接受一切序列类型对象，并将其转化为一个ndarray 数组，维度视序列的嵌套深度而定：
数组的dtype 会由系统自动推定，除非你显式传递一个参数进去。

（系统一般会默认使用int32 或float64）
除array()函数外，还有一些可以用于创建数组的便捷函数：
.transpose(*axes)
转置方法返回的是原数组的视图（不复制）。

因为我对多维数组也搞不太懂，就只举个二维数组的例子吧（不给axes 参数）：
形状相同的数组之间的运算都会应用到元素级：
ndarray 的索引和切片语法与Python 的列表相似。

都是通过如[0]，[0:5:2]这样的方括号+ 冒号来完成。

比较不同之处在于为了方便对多维数组切片，ndarray 对象还支持使用逗号间隔的多维切片方法：[0,3]，[0,3:9:2]。

普通索引
这种切片方法可以看做是一种语法糖，因为最标准的对多维数组的切片方法应该是下面这样子的，包括Python 原本对嵌套列表的切片方法也是这样子的：
本例中一个值得注意之处在于bar%2==0这个表达式，在Python 的标准语法中对一个列表和一个整型应用取余操作是非法的，你必须使用循环（如for）遍历列表的单个元素才行。

但numpy 很贴心地通过广播解决了这个问题，吊不吊！
花式索引
通用函数（即ufunc）是一种对ndarray 执行元素级运算的函数。

通用函数依据参数的数量不同，可分为一元（unary）函数和二元（binary）函数。

（参数一般都是ndarray 对象）一元函数
二元函数。