NumPy provides an N-dimensional array type, the ndarray, which describes a collection of “items” of the same type.

NumPy提供了一个N维数组类型ndarray，它描述了相同类型的“items”的集合。

 

 

ndarray和原生 python列表的区别：

从图中我们可以看出ndarray在存储数据的时候，数据与数据的地址都是连续的，这样就使得批量操作数组元素时速度更快。

这是因为ndarray中的所有元素的类型都是相同的，而Python列表中的元素类型是任意的，所以ndarray在存储元素时内存可以连续，而python原生list就只能通过寻址方式找到下一个元素，这虽然也导致了在通用性能方面Numpy的ndarray不及Python原生list，但在科学计算中，Numpy的ndarray就可以省掉很多循环语句，代码使用方面比Python原生list简单得多。

 

 

numpy内置了并行运算功能，当系统有多个核心时，做某种计算时，numpy会自动做并行计算。

Numpy底层使用C语言编写，内部解除了GIL（全局解释器锁），其对数组的操作速度不受Python解释器的限制，效率远高于纯Python代码。

 

ndarray的属性：

生成数组的方法：

                empty(shape[, dtype, order])                                empty_like(a[, dtype, order, subok])

               eye(N[, M, k, dtype, order])                                identity(n[, dtype])

             ones(shape[, dtype, order])                            ones_like(a[, dtype, order, subok])

          zeros(shape[, dtype, order])                            zeros_like(a[, dtype, order, subok])

        full(shape, fill_value[, dtype, order])              full_like(a, fill_value[, dtype, order, subok])